|
|||||
|
|
| 基于优化Adaboost迭代过程的SVM集成算法 | |
| 作者单位： | ;1.国家康复辅具研究中心(北京市老年功能障碍康复辅助技术重点实验室民政部神经功能信息与康复工程重点实验室);2.河北工业大学控制科学与工程学院 |
| 摘 要： | 为提高Adaboost算法迭代过程中生成基分类器的分类精度以及简化整个集成学习系统的复杂度,文章提出了一种优化Adaboost迭代过程的SVM集成算法。该算法提出了一种在其迭代过程中加入样本选择和特征选择的集成方法。通过均值近邻算法对样本进行选择,并利用相对熵法进行特征选择,最后利用优化得到的特征样本子集对基分类器SVM进行训练,并用加权投票法融合各个SVM基分类器的决策结果进行最终判决。通过对UCI数据集的仿真结果表明,本算法与支持向量机集成算法相比,能够在更少的样本以及特征的基础上,实现较高的识别正确率。 |
| 关 键 词： | 集成学习 均值近邻 支持向量机 |
SVM integration algorithm based on optimized Adaboost iterative process |
|
| Abstract: | |
| Keywords: | |