组合分类器：训练还是不训练？

当针对同一识别问题训练了多个分类器时，就会出现如何将这组分类器组合成最终决策规则的问题。目前使用的几种固定组合规则仅依赖于基分类器的输出值。它们几乎总是次优的。然而，通常可以使用训练集。它们既可用于校准基分类器的输出，也可用于使用这些输出作为输入来构建经过训练的组合分类器。这是否有用取决于多种情况，特别是训练集是否也用于基分类器以及它们是否存在过度训练。我们对训练组合器的使用进行了直观的讨论，将组合分类器的选择问题与基于相异性的模式识别领域的类似选择联系起来。文中通过一些简单的示例来说明这一讨论。