[發(fā)明專利]一種基于混淆矩陣的多分類器差異性度量方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201911077222.2
• 申請(qǐng)日: 2019-11-06
• 公開(kāi)（公告）號(hào): CN110826626A
• 公開(kāi)（公告）日: 2020-02-21
• 發(fā)明（設(shè)計(jì)）人: 韓德強(qiáng);艾偉;梁紹一
• 申請(qǐng)（專利權(quán)）人: 西安交通大學(xué);中國(guó)電子科技集團(tuán)公司第五十四研究所
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 孟大帥

本發(fā)明公開(kāi)了一種基于混淆矩陣的多分類器差異性度量方法及系統(tǒng)，包括以下步驟：步驟1，基于混淆矩陣，評(píng)價(jià)多分類器系統(tǒng)中各子分類器區(qū)分不同類別數(shù)據(jù)的能力；步驟2，基于步驟1構(gòu)造的各子分類器的混淆矩陣，計(jì)算獲得各子分類器的混淆矩陣之間的相關(guān)性；步驟3，基于步驟2計(jì)算獲得的各子分類器的混淆矩陣之間的相關(guān)性評(píng)價(jià)各子分類器間的差異性，完成多分類器差異性度量。本發(fā)明針對(duì)現(xiàn)有差異性度量方法的不足，提出了一種基于混淆矩陣的差異性度量新方法，能夠提高分類器集合的差異性度量值與該集合的融合分類正確率之間的相關(guān)性，可使基于差異性度量構(gòu)造的多分類器系統(tǒng)能夠更有效地提升融合分類性能。

技術(shù)領(lǐng)域

本發(fā)明屬于模式識(shí)別技術(shù)領(lǐng)域，涉及一種多分類器系統(tǒng)中分類器間差異性度量的方法，特別涉及一種基于混淆矩陣的多分類器差異性度量方法及系統(tǒng)。

背景技術(shù)

就分類問(wèn)題而言，萬(wàn)能分類器是不存在的；針對(duì)復(fù)雜實(shí)際問(wèn)題選擇、設(shè)計(jì)一個(gè)最佳分類器同樣十分困難。借助信息融合的思想，綜合利用多個(gè)分類器可望獲得比單個(gè)最優(yōu)分類器更好的分類性能。用多個(gè)性能上存在差異的基分類器構(gòu)成多分類器系統(tǒng)，在解決困難和復(fù)雜模式分類問(wèn)題中常常有著不俗的表現(xiàn)。

目前，多分類器系統(tǒng)已經(jīng)被廣泛應(yīng)用于生物認(rèn)證、文字識(shí)別、醫(yī)療診斷和目標(biāo)識(shí)別等領(lǐng)域。然而，融合并非總能有效提升分類性能。比如多個(gè)相同的或具有相近錯(cuò)分區(qū)域的分類器(即沒(méi)有差異性的分類器)之間的融合是沒(méi)有意義的。當(dāng)各個(gè)子分類器的錯(cuò)分正相關(guān)時(shí)，多分類器系統(tǒng)被證明僅能夠略微減少錯(cuò)分率。要有效提升融合分類性能，各分量分類器之間的關(guān)系尤其是互補(bǔ)性或差異性顯得更為重要。到目前為止，對(duì)于多分類器組合方法的研究已經(jīng)非常豐富，但是針對(duì)多分類器系統(tǒng)的研究仍然面臨一個(gè)問(wèn)題，即如何找到一組“有融合意義”的分類器，這是構(gòu)造多分類器系統(tǒng)的前提和關(guān)所在，參與組合的各個(gè)分量分類器就必須是存在差異的。

有關(guān)差異性的定性研究方法包括利用各分類器訓(xùn)練樣本集間的差異；相同訓(xùn)練樣本集對(duì)應(yīng)的不同特征集間的差異；分類器的類型差異等。針對(duì)差異性的定量研究方法，及差異性度量方法的研究主要集中在以下兩個(gè)方面的問(wèn)題上：其一、如何構(gòu)造和尋找合適的度量方法；其二、如何利用這種度量方法對(duì)多分類器系統(tǒng)進(jìn)行改造以提高融合分類正確率。理想的差異性度量方法可以對(duì)多分類器系統(tǒng)的分類性能有較為準(zhǔn)確的預(yù)測(cè)判斷，因而通過(guò)差異性度量就有可能找到一個(gè)最優(yōu)的分類器組合，使之能夠得到最高的融合分類正確率。

現(xiàn)有的差異性度量方法可分為兩類，即成對(duì)差異性度量方法與非成對(duì)差異性度量方法。成對(duì)差異性度量考慮的是兩兩分類器之間的差異性，代表方法有Q統(tǒng)計(jì)法、相關(guān)系數(shù)法、不一致度量法以及雙錯(cuò)法等；非成對(duì)差異性度量方法直接在整個(gè)分類器集合上進(jìn)行計(jì)算，主要從分類器集合的方差，熵或者集合中對(duì)隨機(jī)選擇樣本錯(cuò)分的分類器比例等考察分類器集合的差異性。但是，在實(shí)驗(yàn)中可以很明顯地發(fā)現(xiàn)，現(xiàn)有方法得到的分類器集合差異性度量值與分類器集合融合分類正確率之間的相關(guān)關(guān)系并不十分明顯，僅使用上述現(xiàn)有的差異性度量方法指導(dǎo)多分類器系統(tǒng)的設(shè)計(jì)很難得到理想的結(jié)果。

綜上，亟需一種新的多分類器差異性度量方法。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于混淆矩陣的多分類器差異性度量方法及系統(tǒng)，以解決上述存在的一個(gè)或多個(gè)技術(shù)問(wèn)題。本發(fā)明針對(duì)現(xiàn)有差異性度量方法的不足，提出了一種基于混淆矩陣的差異性度量新方法，能夠提高分類器集合的差異性度量值與該集合的融合分類正確率之間的相關(guān)性，可使基于差異性度量構(gòu)造的多分類器系統(tǒng)能夠更有效地提升融合分類性能。

為達(dá)到上述目的，本發(fā)明采用以下技術(shù)方案：

本發(fā)明的一種基于混淆矩陣的多分類器差異性度量方法，包括以下步驟：

步驟1，基于混淆矩陣，評(píng)價(jià)多分類器系統(tǒng)中各子分類器區(qū)分不同類別數(shù)據(jù)的能力；其中，多分類器系統(tǒng)中子分類器的混淆矩陣定義為：