内容纲要

B类文章。
使用两个深度学习集成模型(CNN和resnet),作为独自的分类器和随机的子空间。

这里集成学习就是结合SVM和随机特征选择。集成学习中的两个大因素:单个分类器的准确性和分类器之间的差异。
作者随用户RFS随机特征选择的方法。
file

基于RFS的集成

从原始特征空间中随机选择特征(bands)来组成子空间。作者就是从原图像中随机采样,组成新的子空间,然后输入到卷积网络,(权重好像不共享),训练每个独立的分类器,最后投票来确定最后的类别。

另外每个分类之间的多样性也很重要。两个分类器输出的多样性:
file
Ndiff两个分类器错误分类的结果,N是测试样本的数量。则海洋,集成学习的多样性通过:
file

关于RFS没介绍清楚,到底是怎么采样的。

最后修改日期: 2020年11月25日

作者

留言

撰写回覆或留言

发布留言必须填写的电子邮件地址不会公开。