10.3969/j.issn.1001-3695.2016.01.014
一种基于累积适应度遗传算法的 SVM多分类决策树
针对基于遗传算法(genetic algorithm,GA)的支持向量机(support vector machine,SVM)多分类决策树算法(GA-SVM)中全局优化缺陷的问题,通过重新定义遗传适应度函数(fitness),提出一种累积适应度(cumula-tive fitness),进而衍生出新算法 CFGA-SVM。该算法从根节点开始逐层构造二叉树,对根节点基因实值编码,通过基因分裂操作产生子代种群,然后利用累积适应度筛选出新的种群,筛选出的种群并不一定是当代局部最优,但一定是所得二叉树中全局最优,从而提高分类精度,最后以此循环直至算法结束。通过在 UCI 的 artificial characters 数据集上的实验结果表明,CFGA-SVM较之 DT-SVM与 GA-SVM算法在全局优化能力、分类精度上有明显提高,进而验证了该算法的可行性与有效性,可在大规模样本的分类应用中推广。
多分类、支持向量机、遗传算法、累积适应度函数、全局优化
TP181(自动化基础理论)
国家自然科学基金资助项目61272194
2016-03-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
64-67,74