下列选项说法错误的是：（ ）A. 边界细胞不会因环境改变而不同，像是地图中的经纬线一样的空间度量，是内部参考系B. 定位系统细胞让人们能在空间中定位，并成为更高级认知功能的基础C. 经验地图用图松弛算法动态改变节点，根据信心函数，路径回溯得到误差，此误差用图松弛算法分布到经验图中D. Bagging和Boosting都是把若干个分类器整合为一个分类器的方法，只是整合方式不同

本题考查对边界细胞、定位系统细胞、经验地图以及Bagging和Boosting相关知识的理解。解题思路是对每个选项所涉及的知识点进行逐一分析，判断其说法是否正确。

• 选项A：
  边界细胞的活动会随着环境的改变而发生变化，它并不是像地图中的经纬线一样固定不变的空间度量，也不是内部参考系。实际上，边界细胞对环境边界的响应会因环境的几何形状、大小等因素的改变而不同。所以该选项说法错误。
• 选项B：
  定位系统细胞在大脑的空间导航系统中起着关键作用，它能够帮助人们在空间中确定自己的位置。并且，这种空间定位能力是更高级认知功能（如记忆、决策等）的基础，因为许多高级认知活动都依赖于对空间位置的感知和理解。所以该选项说法正确。
• 选项C：
  经验地图在构建和更新过程中，会使用图松弛算法动态改变节点。通过信心函数来评估路径的可靠性，当进行路径回溯时会得到误差，然后利用图松弛算法将这个误差分布到经验图中，从而不断优化经验地图。所以该选项说法正确。
• 选项D：
  Bagging（Bootstrap Aggregating）和Boosting都是集成学习中把若干个分类器整合为一个分类器的方法。Bagging是通过对原始数据集进行有放回抽样，生成多个不同的训练子集，然后在每个子集上训练一个分类器，最后将这些分类器的结果进行综合（如投票或平均）；Boosting则是通过迭代的方式，每一轮训练一个新的分类器，并且根据前一轮分类器的表现调整样本的权重，使得新的分类器更加关注那些被前一轮分类错误的样本，最后将这些分类器进行加权组合。二者只是整合方式不同。所以该选项说法正确。