Résumé
Selective multiclassifier systems are proposed for the effective combination of a given population of non specialized classifiers. Their design is based on the introduction of a greedy and error adaptive selection process, which aims to discover a good subset of cooperative classifiers for posterior combination on a parallel form. Without loss of generality, the fuzzy integral combination rule is considered. Experimental results on bench- mark UCI and real data show the feasibility of our approach.
Nous proposons une méthode pour sélectionner les classifieurs suivant leur aptitude à coopérer, parmi une population de décideurs non spécialisés. La sélection est basée sur la performance de chacun des individus et sur celle de leur combinaison. La méthode est appliquée sur des jeux de données test (UCI) ainsi que sur nos propres données. Pour ce faire, l'intégrale floue a été choisie comme outil de combinaison. Toute autre technique reste utilisable.