光谱已经应用于土壤养分速测的分析, 但是如何寻找土壤光谱特征波段, 尽最大可能避免无用信息干扰、 保留有用信息, 建立准确度高、 预测效果好的模型仍是一个亟需解决的问题。 以青岛三个不同地区土壤样品为例, 测定土壤样品的紫外-可见-近红外光谱及其总碳（TC）、 总氮（TN）、 总磷（TP）含量; 分别采用连续投影算法（SPA）、 无信息变量消除法（UVE）、 遗传算法（GA）、 相关系数法（CC）四种算法（四种单分类器）对土壤光谱提取特征波长; 再引入投票法和加权投票法的多分类器融合方法将四种算法融合得到特征波长; 以偏最小二乘回归（PLSR）建立各土壤养分含量的模型, 通过对模型效果的评价标准（建模集绝对系数R2c、 校正均方根误差RMSEC、 检验集绝对系数R2p、 预测均方根误差RMSEP和相对分析误差RPD值）来判别各单分类器算法和多分类器融合算法对土壤养分含量特征波长的提取效果。 分别对四种算法、 筛选其中三种算法、 最优二种算法进行融合, 分析融合后模型效果和特征波长个数, 结果表明: 将四种单分类器经投票法融合后, 其模型效果大部分不如单分类器, 且相对好的模型特征波长个数较多; 相较于投票法多分类器融合, 四种单分类器经加权投票法融合模型效果有了一定的提高, TC和TN都能够在较少的波长中获得较好的预测效果, 但仅TN经融合后, 模型效果优于每个单分类器; TC, TN, TP分别在取SPA+UVE+GA, SPA+UVE+GA（或SPA+GA+CC）、 SPA+UVE+GA三种单分类器进行加权投票法融合后, 均能获得最优模型效果, 且明显优于每个单分类器, 模型效果有了显著提高; 各土壤养分含量经两个最优单分类器加权投票法融合后, 仍能得到好于最优单分类器的建模效果, TC和TP建模效果略差于三个单分类器融合结果, TN建模效果与三个单分类器融合结果相同。 因此, 在筛选三种算法融合, 且其中包含最优两种算法的情况下, 能够以较少的特征波长个数获得明显高于单分类器的建模效果。 该方法为寻找土壤养分以及其他复杂物质成分的光谱特征波段提供了新方法, 也为多种算法的综合运用提供了新思路。

将多种单分类器模型融合, 并用融合后的模型对不同品种干红葡萄酒进行判别分析。 用BRUKER MPA傅里叶变换型近红外光谱仪采集170个干红葡萄酒样品的近红外透射光谱, 选取PLS-DA, SVM, Fisher和AdaBoost作为单分类器建模方法, 分别建立葡萄酒品种判别模型, 通过差异性度量值对单分类器进行筛选, 得到差异性较大的四个单分类器作为基分类器, 其中基分类器对测试集葡萄酒品种判别准确率最高为88.24%, 最低为81.18%。 然后通过加权投票机制对基分类器进行融合, 融合后的模型对测试集葡萄酒品种判别准确率提高至92.94%, 误判样品个数由单分类器最少的9个降为6个。 实验结果表明多分类器融合所建立的模型优于传统近红外光谱定性分析一般采用单分类器模型结果, 提高了葡萄酒品种判别的准确性, 采用基于近红外光谱的多分类融合方法对葡萄酒种类判定具有可行性。

提出通过提取人脸表情图像的Gabor 特征，结合二次降维的方法，进行人脸表情识别。针对Gabor 特征提取后维数变高，冗余很大的特点，先对高维特征进行采样，再引入二维PCA 算法对Gabor 特征进行选择，以达到降维的目的。然后采用基于模糊积分的多分类器联合的方法对7 种表情进行融合识别。在JAFFE 库上进行测试的结果验证了该算法的有效性，与2DPCA 算法及传统特征提取算法相比，本文算法取得了较高的识别速度和精确度。该算法能更有效的提取反映表情状态的特征。