融合样本选择与特征选择的AdaBoost支持向量机集成算法 |
| |
引用本文: | 杨宏晖,王芸,孙进才,戴健,李亚安. 融合样本选择与特征选择的AdaBoost支持向量机集成算法[J]. 西安交通大学学报, 2014, 0(12): 63-68 |
| |
作者姓名: | 杨宏晖 王芸 孙进才 戴健 李亚安 |
| |
作者单位: | 西北工业大学航海学院 |
| |
基金项目: | 国家自然科学基金资助项目(51179157,60672136);水下测控技术重点实验室基金资助项目(9140C260505120C26104) |
| |
摘 要: | 为提高AdaBoost分类器集成算法的分类精确度并简化分类系统的复杂度,提出一种融合样本选择与特征选择的AdaBoost支持向量机集成算法(IFSelect-SVME)。该算法在AdaBoost算法的每个循环中利用加权免疫克隆样本选择算法进行样本选择,并用互信息顺序向前特征选择算法进行特征选择,再利用每个循环优化选择得到的特征样本子集训练个体SVM分类器,并对其进行加权集成,生成最终的决策系统。对实验所用9组UCI数据集的仿真结果表明:与支持向量机集成(SVME)算法相比,IFSelect-SVME算法的正确分类率有所提高,且样本数可减少30.8%~80.0%,特征数可减少32.2%~81.5%,简化了集成结构,缩短了测试样本的分类时间,所得到的分类系统具有更好的分类精度。
|
关 键 词: | 分类器集成 AdaBoost算法 支持向量机 样本选择 特征选择 |
An AdaBoost Support Vector Machine Ensemble Method with Integration of Instance Selection and Feature Selection |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|