我试图使用MCS(多分类系统)做一些更好的工作,有限的数据即变得更加准确。集成学习,多分类系统
我现在正在使用K-means聚类,但可能选择使用FCM(模糊C均值),数据聚集成组(聚类),数据可能代表任何东西,例如颜色。我首先将数据在预处理和规范化之后进行聚类,然后得到一些间隔很多的不同簇。然后,我继续使用这些聚类作为贝叶斯分类器的数据,每个聚类代表一种不同的颜色,并且训练贝叶斯分类器,然后将来自聚类的数据通过单独的贝叶斯分类器进行分类。每个贝叶斯分类器只训练一种颜色。如果我们将色谱3-10作为蓝色13-20作为红色,将0-3之间的光谱作为白色1.5,然后逐渐将蓝色转变成1.5-3,对于蓝色变成红色。
我想知道的是怎样还是怎样样聚集方法(如果这是你会用什么)可以应用,使得贝叶斯分类器可以变得更强,它是如何工作的?聚合方法是否已经知道答案,或者它是否是人类交互,可以纠正输出,然后这些答案会返回到贝叶斯训练数据中?或者两者的结合?看看Bootstrap聚合它涉及让每个模型在合奏投票中具有相同的权重,所以在这个特定的实例中我不太确定我会使用bagging作为我的聚合方法吗?然而,提升包括通过训练每个新模型实例来逐步构建一个集合,以强调先前模型被错误分类的训练实例,但不确定这是否是一种更好的替代装袋方法,因为我不确定它如何逐步建立在新实例上?而最后一个是贝叶斯模型平均这是一个整体的技术,旨在通过从假设空间采样的假设,并使用贝叶斯法结合他们逼近贝叶斯最优分类,但是完全不能确定你会怎么样从搜索空间的假设?
我知道通常你会使用竞争的方法来反弹两个分类算法之一,一个说是的,一个说可能一个权重可以应用,如果它的正确你得到两个分类器的最好但为了保持清酒,我不想要一种竞争方法。
另一个问题是,以这样的方式将这两种方法一起使用,将是有益的,我知道我所提供的例子是非常原始的,不能在这个例子适用,但它可以在更复杂的数据是有益的。
我想你会得到在DSP板更好的答案 – Ali 2012-03-02 16:51:36
嗨对不起什么是DSP板,信号处理? – 2012-03-03 13:23:39
是的http://dsp.stackexchange.com/ – Ali 2012-03-03 15:20:46