10.16208/j.issn1000-7024.2017.09.044
基于集成支持向量机的葡萄酒品质分类方法
针对传统分类算法在葡萄酒品质分类中,对少样本类识别率低的问题,提出一种基于支持向量机的集成学习(AdaBoost-SVM)分类方法.利用网格搜索法对支持向量机基分类器进行建模参数优化;通过构建AdaBoost-SVM集成学习方法将多个基分类器集成,建立以多分类器优化集成为核心的品质分类模型.以UCI数据库中的Wine Quality数据集为研究对象,进行葡萄酒品质分类建模,仿真结果表明,与标准的SVM算法相比,AdaBoost-SVM方法有效提高了少样本类分类正确率、整体样本的分类精度以及泛化率.
分类、支持向量机、集成学习、葡萄酒品质、不平衡数据
38
TP391(计算技术、计算机技术)
陕西省科技厅科学技术研究发展计划基金项目2014K15-03-06;西安市科技计划基金项目NC14032;NC13191;陕西省社会发展科技攻关基金项目2015SF277
2017-10-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
2541-2545