基于局部学习策略与局部性能估计的动态集成方法研究

该项目对局部学习策略、局部性能估计技术以及决策融合方法进行系统深入的研究。局部学习策略首先将全局实例空间分割成许多不同的局部空间，而后在每个局部空间上分别进行归纳学习，得到相应的局部成员分类器；局部性能估计技术则对给定分类器在特定目标实例点处的性能（或精度）进行度量，因此可以提供比分类器全局平均精度更加细致的性能描述；决策融合方法的目的是依据局部成员分类器各自的局部精度估计结果对它们的决策进行集成，并得到最终预测结果。在此基础上，本项目将设计并实现多个基于局部性能估计的局部分类器动态集成算法。算法设计和实现过程以效率和效用并重，在形成高精度动态集成分类器的基础上，兼顾算法的计算复杂度。此外，本项目还将通过大量的实验对实验结果进行全面分析比较，验证评估所提出的算法并进行优化设计，最终建立起局部分类器动态集成的框架模型。