1、多分類器組合的目的是希望能夠充分發(fā)揮每個分類器在各自分類器性能上的長處，以獲得比任何單獨分類器都要高的識別率。多分類器組合利用了不同分類器、不同特征之間的互補性，提高了組合后分類器的識別率。傳統(tǒng)的組合方法存在著兩點不足：其一，對組合的分類器只做定性的挑選，而沒有跟識別對象結合起來挑選，這樣做的缺點是不能很好的發(fā)揮各分類器的長處對樣本進行識別；其二，各分類器在組合中所承擔的角色是固定的，也就是對所有的樣本只采用一種組合方式，這樣處理可能對

2、某一類樣本是提高了識別率，而對另一類則可能起到相反的作用。為了實現(xiàn)組合分類器的最佳性能，就需要根據(jù)識別對象挑選適合的分類器進行組合，同時也需要根據(jù)不同的類別樣本采用不同的組合方式。 本文對國內外分類器組合的研究進行了總結，概述了分類器組合的原因和組合的方法。首先介紹了幾種特征提取方法，并對這幾種特征提取方法做了比較。其次根據(jù)前人得出的理論對分類器組合的原因做簡單總結，在此基礎上提出了選擇分類器的準則：分類器之間的錯誤相關性應盡量

3、的小。同時建立了基于識別對象的分類器選擇模型——模糊意見集中決策的方法，對已選擇的分類器建立了基于模糊隸屬度函數(shù)的最優(yōu)線性集成的分類器組合.考慮到組合方式不僅與分類器的性能有關，還與識別對象的類別有關，本文采用了確定組合權重的方法是根據(jù)識別對象不同的類別，由MSE準則求出在各類別下的分類器的最優(yōu)組合權重。最后本文采用了勝利油田的橋口油氣田的巖性識別作為實例，對本文提出的方法進行了驗證，結果表明本文采用的方法能明顯的提高分類器的識別性能，