1.常用的多样性度量的方法
大体可分为两种：成对多样性度量和非成对多样性度量，成对得多样性度量首先计算每一对分类器之间的多样性值，然后用其平均值衡量集成系统的多样性；非成对多样性度量直接计算集成系统的多样性值。
1.1成对的多样性度量
在介绍成对的多样性度量的方法之前，首先引入以下符号：假设有
个分类器，
和
(i , j=1,2,............,
,i
j)分别为两个不同的分类器，
（
）为分类器
和
都对其正确（错误）分类的样例数目，
（
）为满足以下要求的样例数目：分类器
（
）对其正确分类而分类器
（
）对其错误分类，由此总的样例数目
可以表示为
=
+
+
+
具体所示如下表所示
1）Q统计
两个分类器
和
之间的
统计值为
由上式子所见对于每个样例，如果两个分类器总是对其正确或者错误分类，即其行为是相同的，则有
=
=0，即
，此时他们的多样性程度最低；反之，如果两个分类器在每个样例上的分类结果都不同，
=
=0，即
，这种情况下多样性程度最高，对于统计独立的两个分类器，
的期望值是
。对于多分类系统
，
，
，..................,
,其
统计多样性值可以通过计算每对分类器之间的多样性的平均值得到，即
其中类似的，对于以下三种成对的多样性度量，也是首先计算每对分类器之间的多样性，然后用其平均值作为集成系统的多样性值。
2）相关系数
两个分类器
和
之间的相关系数定义为
可以看出，对于两个分类器
和
，
与
有相同的符号，可以证明他们之间存在如下关系:
与相关系数
相比，
统计更简单且更容易计算。
3）不一致度量dis
不一致度量关注两个分类器
和
分类结果不同的样例，他们之间的不一致度量
定义为：
对于这样的样例越多的话，两个分类器之间的多样性程度就会越高，反之的话多样性程度就会越低，在这里
的取值范围是[0,1].
4）双次失败度量DF
双次失败度量关注的是分类器
和
均将其错误分类的样例，定义如下：
可以看出，这样的样例越多的话，两个分类器月倾向于在相同的样例上出错，极端地，如果对于每个样例
,
和
均将其错误分类，即
,则两个分类器的精确性和他们之间的多样性程度达到最低。
今天就总结到这里，下次博客将会总结非成对的多样性度量的方法。
非成对的多样性度量的方法博文如下
