论文部分内容阅读
分类器性能的提高一直是模式识别研究中很重要的问题,但由于各种原因,得到较好的分类器是一件困难的事情.传统的模式识别系统通常仅使用样本的某一特定分类器来进行分类,这种系统对于类别数较大、输入样本带噪声的问题很难获得好的分类效果.近来发现不同的分类器在分类性能上存在着彼此互补的现象,因此对多个分类器的结果进行组合可以提高分类的精确性.