TY - JOUR A2 - Versaci, Mario AU - Ostvar, Nasrin AU - Eftekhari Moghadam, Amir Masoud PY - 2020 DA - 2020/12/14 TI - HDEC:SP - 8826914 VL - 2020 AB -近年来，集成分类方法在机器学习和人工智能领域的行业和文献中得到了广泛研究。这种方法的主要优点是受益于一组分类器，而不是使用一个分类器，目的是提高预测性能，如准确性。在集成分类器中，基分类器的选择和基分类器的组合是最具挑战性的问题。在本文中，我们提出了一个异构动态集成分类器(HDEC)，它使用多种分类算法。使用异构算法的主要优点是增加了基分类器的多样性，这是集成系统成功的关键。在这种方法中，我们首先用原始数据训练多个分类器。然后，根据它们识别积极或消极情况的能力对它们进行区分。为此，我们分别考虑真阳性率和真阴性率。在接下来的步骤中，根据分类器在上述措施中的效率将其分为两组。 Finally, the outputs of the two groups are compared with each other to generate the final prediction. For evaluating the proposed approach, it has been applied to 12 datasets from the UCI and LIBSVM repositories and calculated two popular prediction performance metrics, including accuracy and geometric mean. The experimental results show the superiority of the proposed approach in comparison to other state-of-the-art methods. SN - 1687-5265 UR - https://doi.org/10.1155/2020/8826914 DO - 10.1155/2020/8826914 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -