分类精度提升18.77%
一种通过包络样本变换提升子集质量的新型集成学习方法，在26个数据集上对比代表性方法取得显著精度提升。
马洁 · Huan, Cheng · Chen, Hong · Yi, Zhang · 李勇明 · Shen, Yinghua · 王品 · 王玮
Neurocomputing 2025
通过包络样本变换机制（ESTM）将原始样本集变换为多层包络样本集，提高了样本子集的分离性和多样性，降低了对噪声样本的敏感性。
二维基分类器矩阵生成与融合机制（2D_BCMG&FM）融合二维分类标签，进一步提升分类精度。
在26个公开数据集上与代表性集成方法比较，平均精度提升最高达18.77个百分点。
论文提供了数据和代码的GitHub链接，便于复现和集成。