[发明专利]基于CMCSA的分类器集成权重分配及自适应调整方法

权利要求书

1.一种基于CMCSA的分类器集成权重分配及自适应调整方法，其特征在于，包括下列步骤：

1)获取待分类数据样本的特征集；

2)基于k折交叉验证方法，将样本特征集分成k份，取其中一份为测试集，其余k-1份为训练集；

3)选择合适的基分类器；

4)初始分配各基分类器权重；

5)使用改进后的柯西变异乌鸦搜索算法进行基分类器中的权重调整分配，得出新的权重组合，使用所得权重组合进行分类器加权集成，得到试验集成分类器，利用试验集成分类器进行数据分类，采用适应度函数fitness进行算法性能评估；

6)根据分类结果，得到最优集成分类器。

2.根据权利要求1所述的基于CMCSA的分类器集成权重分配及自适应调整方法，其特征在于，所述步骤1)中样本的特征集是将某种原始信息中所具有的特征信息进行提取，得到D+1元组特征集：样本i＝(特征1，特征2，特征3，…，特征D，所属类别标签)；D为所提取的特征种数。

3.根据权利要求1所述的基于CMCSA的分类器集成权重分配及自适应调整方法，其特征在于，所述步骤2)的k折交叉验证方法中k是任意大于1的常数。

4.根据权利要求1或3所述的基于CMCSA的分类器集成权重分配及自适应调整方法，其特征在于，常数k取值为5或10。

5.根据权利要求1所述的基于CMCSA的分类器集成权重分配及自适应调整方法，其特征在于，所述步骤3)选择合适的基分类器，采用差异性度量方法。

6.根据权利要求1所述的基于CMCSA的分类器集成权重分配及自适应调整方法，其特征在于，所述步骤4)的初始分配各基分类器权重的方式为随机分配。

7.根据权利要求1所述的基于CMCSA的分类器集成权重分配及自适应调整方法，其特征在于，所述步骤5)具体为：

5a)初始化：初始化柯西变异乌鸦搜索算法的种群规模，即种群大小为N，空间维度D，边界范围x_max、x_min，设置算法搜索的最大迭代次数为itermax，初始化算法相关参数；

5b)对种群中每一个个体所表示的权重组合，分别进行多分类器集成得到试验集成分类器，并用测试集测试分类效果，得到正确分类数量true_num、错误分类的数量false_num，并使用fitness计算个体的适应度值，将适应度值最优的个体标记为gbest；

其中，true_num表示所有样本中被分类正确的样本数，num表示样本所包含的总数量；

5c)判断是否达到最大迭代次数，若是，输出最优权重组合和最优适应度值，若否，执行5b)～5e)；

5d)采用公式(2)～公式(3)更新种群中各个个体的位置：

其中，r_i2为0～1间均匀分布的随机数，N(0，1)是标准正态分布，即服从均值为0，方差为1的高斯分布函数，r_i1、r_i2、r_j是服从[0,1]均匀分布的随机数，r_i1控制乌鸦i在情况1下位置移动的方向，r_i2控制乌鸦i在情况2下的位置选择情况，为乌鸦j的记忆值，为乌鸦j的感知概率，为当前飞行长度；

5e)计算位置更新后各个个体的适应度值，更新个体记忆矩阵

其中，为第t次迭代时第i个个体的位置，，为第i个个体进行位置更新后得到的下一次迭代的位置，为第i个个体的记忆。

8.根据权利要求1所述的基于CMCSA的分类器集成权重分配及自适应调整方法，其特征在于，所述步骤6)的最优集成分类器为，采用使所得分类准确率最高的权重组合进行分类器加权集成时的集成分类器。