结合ECOC与DS证据理论的多目标识别研究

针对目标识别中多类分类的难点问题,提出了一种C-DSECOC多目标识别方法。该方法采用二符号纠错输出编码(binary Error-Correcting Output Codes)作为分解框架,采用DS证据理论作为解码策略,并结合ECOC结构特点对传统的DS证据理论进行重新构造。在确定DS基本概率赋函数值时引入损失函数,使BPA的获取除与二分器的输出有关外,还由其对不同类别样本的正确分类能力决定,从而提高ECOC集成的分类性能和泛化性能。实验中分别对UCI数据集和3种一维距离像数据集进行测试。结果表明,提出的C-DSECOC方法能有效地提高多类目标识别的正确率。