论文部分内容阅读
模式识别中的多分类器集成日益得到研究人员的关注并成为研究的热点。提出一种基于决策森林构造的多重子模型集成方法，通过对每个样本赋予决策规则，构造决策森林而非单个决策树以自动确定相对独立的样本子集，在此基础上结合条件独立性假设进行模型集成。整个学习过程不需要任何人为参与，能够自适应确定决策树数量和每个子树结构，发挥各分类器在不同样本和不同区域上的分类优势。在UCI机器学习数据集上的实验结果和样例分析验证了方法的有效性。