论文部分内容阅读
传统集成学习算法是对所有个体分类器进行组合决策,由于无法反映个体分类器的差异性,不能有效提高集成分类器的识别率.为此,提出基于互信息(Normalized Mutual Information,NMI)的个体分类器差异性度量方法,利用匈牙利算法对个体分类器的标记向量进行匹配,在此基础上提出基于成分数据的AP(Affinity Propagation)聚类集成算法作为选择性集成策略.在遥感图像上分别与经典算法做比较实验,结果表明此算法在分类性能上具有一定的优越性.