一种基于遗传算法的SVM决策树多分类方法

摘要：

在当前的机器学习领域,如何利用支持向量机(SVM)对多类目标进行分类,同时提高分类器的分类效率已经成为研究的热点之一,有效地解决此问题对于提高目标的识别概率具有较大意义.本文针对SVM多分类问题提出了一种基于遗传算法的SVM最优决策树生成算法.算法以随机生成的决策树构建的SVM分类器对同一测试样本的分类正确率作为遗传算法的适应度函数,通过遗传算法寻找到最优决策树,再以最优决策树构建SVM分类器,最终实现SVM的多分类.将该算法应用于低空飞行声目标识别问题,实验结果表明,新方法比传统的1-a-1、1-a-r、SVM-DL和GADT-SVM方法有更高的分类精度和更短的分类时间.

关键词：支持向量机、遗传算法、决策树

所属期刊栏目：26

分类号：TN959.1

资助基金：国家自然科学基金60872113

在线出版日期：2010-12-16（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：1495-1499