一种基于Bagging-SVM的智能传感器集成学习方法

摘要：

集成多个传感器的智能片上系统( SoC)在物联网得到了广泛的应用.在融合多个传感器数据的分类算法方面,传统的支持向量机( SVM)单分类器不能直接对传感器数据流进行小样本增量学习.针对上述问题,提出一种基于Bagging-SVM的集成增量算法,该算法通过在增量数据中采用Bootstrap方式抽取训练集,构造能够反映新信息变化的集成分类器,然后将新老分类器集成,实现集成增量学习.实验结果表明:该算法相比SVM单分类器能够有效降低分类误差,提高分类准确率,且具有较好的泛化能力,可以满足当下智能传感器系统基于小样本数据流的在线学习需求.

关键词：智能传感器、集成学习、增量学习、支持向量机、Bagging算法

所属期刊栏目：35

分类号：TP18;TP212(自动化基础理论)

在线出版日期：2016-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：26-28,32