10.11830/ISSN.1000-5013.201611103
采用负相关学习的SVM集成算法
为了平衡集成学习中多样性与准确性之间的关系,并提高决策分类器的泛化能力,提出一种基于负相关学习和AdaBoost算法的支持向量机(SVM)集成学习方法.将负相关学习理论融合到AdaBoost-SVM的训练过程中,利用负相关学习理论计算基分类器间的相关性,并根据相关性的值自适应调整基分类器的权重,进而得到加权后的决策分类器.在UCI数据集中进行仿真,结果表明:相较于传统的负相关集成学习算法和AdaBoost-SVM算法,所提出的方法分类准确率更高,泛化能力更好.
负相关学习、误差-分歧分解、AdaBoost-SVM、集成学习、分类器
39
TP391(计算技术、计算机技术)
国家自然科学基金资助项目61203242;福建省泉州市科技计划项目2014Z113,2014Z103;华侨大学研究生科研创新能力培育计划资助项目1400422003
2019-01-03(万方平台首次上网日期,不代表论文的发表时间)
共5页
942-946