基于信息熵的RVM-AdaBoost组合分类器

摘要：

针对AdaBoost算法不能有效提高RVM分类性能的问题,提出一种基于信息熵的RVM与AdaBoost组合分类器.依据RVM输出的后验概率来定义样本的信息熵,信息熵越高的样本越容易错分.提出使用自适应信息熵阈值对数据进行筛选,筛选出的数据使用基于AdaBoost算法的集成分类器进行分类,样本的分类结果由RVM与集成分类器组合给出.把未筛选出且分类错误的极少样本作为噪声对待,增强了组合分类器的稳定性,避免了随着Ada-Boost算法迭代次数增加集成分类器出现退化的现象.使用UCI数据集从分类正确率、分类效率和稳定性三方面对提出的组合分类器进行验证,实验结果表明了此分类器的有效性.

关键词：相关向量机、AdaBoost算法、信息熵、集成学习

所属期刊栏目：54

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金60975026,61273275

在线出版日期：2018-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：138-143