基于聚类分析和集成改进支持向量机的序列目标分类算法

摘要：

针对现有集成支持向量机存在的训练子集随机性强、规模大、算法时空复杂度高等问题,提出了基于聚类分析的集成改进支持向量机算法.该方法首先采用基于对手惩罚策略的竞争学习算法(RPCL)时训练样本进行聚类分析,然后根据其聚类分布选择少量具有代表性的样本,并采用了基于种群收敛速度的自适应扰动的粒子群方法来训练单个支持向量机,最后通过相对多数投票方法得到集成支持向量机.实验表明相对于基于Bagging,Adaboost等方法而言,该方法在序列目标分类中对分类精度有较大提高,该方法构造的集成改进支持向量机具有较高的分类精度和较低的时、空复杂性.

关键词：粒子群算法、支持向量机、聚类分析、对手竞争惩罚学习算法、集成

所属期刊栏目：36

分类号：F22;TP3

资助基金：国家自然科学基金60472072;航天科技创新基金06CASC0404;陕西省教育厅科研项目08JK241

在线出版日期：2009-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：148-152