模式分类的集成策略及其应用 (2002年)

分析了统计判别和神经网络分类方法的特性和优缺点,提出了两种不同类型的方法集成的策略,先用神经网络自学习功能变换样本,使其分布有利于分类;再用统计方法提取特征,进而建立判别分类模型。基于该策略设计了G,T-C-CCA-Bayes集成方法,并应用于三个复杂模式分类问题—留兰香问题、胺类毒性问题、双螺旋问题,效果良好。对照比较表明,该集成方法适用面广,计算规范,概率意义明确,误判率低,与单一的统计分析或神经网络方法相比,有明显的优势。