| 一种回归SVM选择性集成方法 |
| |
| 引用本文： | 张妤,王文剑,康向平.一种回归SVM选择性集成方法[J].计算机科学,2008,35(4):178-180. |
| |
| 作者姓名： | 张妤 王文剑 康向平 |
| |
| 作者单位： | 山西大学计算机与信息技术学院,计算智能与中文信息处理教育部重点实验室,太原,030006 |
| |
| 基金项目： | 国家自然科学基金
,
山西省高等学校科研开发基金
,
山西省留学人员科技活动择优资助项目
,
山西省高等学校青年学术带头人项目 |
| |
| 摘 要： | 泛化能力是机器学习关心的一个根本问题,采用集成学习技术可以有效地提高泛化能力.本文提出了一种将支持向量机(Support Vector Machine, SVM)进行选择性集成回归的方法.通过引入三个阈值,可以选择合适的子SVM,从而进一步提高了整个集成学习的效率.实验结果表明,本文提出的选择性集成方法可以在一定程度上解决SVM的模型选择问题和大规模数据集的学习问题,与传统的集成方法Bagging相比具有更高的泛化能力.
|
| 关 键 词： | 支持向量机 集成学习 回归 Bagging |
A Regression SVM Selection Ensemble Approach |
| |
| ZHANG Yu,WANG Wen-Jian,KANG Xiang-Ping.A Regression SVM Selection Ensemble Approach[J].Computer Science,2008,35(4):178-180. |
| |
| Authors: | ZHANG Yu WANG Wen-Jian KANG Xiang-Ping |
| |
| Affiliation: | ZHANG Yu WANG Wen-Jian KANG Xiang-Ping(School of Computer & Information Technology Key Laboratory of Computational Intelligence & Chinese Information Processing of Ministry of Education,Shanxi University,Taiyuan 030006) |
| |
| Abstract: | Generalization performance is a basic problem for machine learning, and ensemble learning technique can improve the generalization performance effectively. This paper presents a selective ensemble learning approach based on SVM regression. By introducing three threshold parameters, some component SVM can be chose, and the efficiency of the whole ensemble learning system can be further improved. Simulation results demonstrate the presented approach can solve model selection and learning for large-scale dates... |
| |
| Keywords: | Support vector machine Ensemble learning Regression Bagging |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
点击此处可从《计算机科学》下载全文 |
|
