论文部分内容阅读
本文提出一种自整定权值的融合方法.该方法使用混淆矩阵来衡量分类器性能,并根据分类器输出情况自适应地为各分类器赋予权值,可靠的决策结果获得较大的权值,从而提高决策模板的可信度.对易于被错误分类的样本,在利用其与决策模板的相似性信息的同时,结合它周围的训练样本信息做出判断.通过与DT方法在KDD’99入侵检测数据集和UCI数据库中的8个数据集上的实验对比,表明本文方法具有更好的分类性能.