为了减少表现差的个体分类器对集成器分类性能的影响，提高集成器分类效果及稳定性，提出了基于信息增益的分类器选择方法。该方法将高维分类器空间压缩至低维分类器空间，并在该空间内学习集成器。在多个数据集上的比较实验结果表明，该方法可行，其集成性能较理想。