一种新的选择性支持向量机集成学习算法

• 作者: 包乾宗 唐耀华 高静怀
• 来源期刊: 西安交通大学学报
• 关键词: 泛化性度量 集成学习 负相关 支持向量机
• 年，卷（期）: 2008,（10）
• 所属期刊栏目: 专题研究
• 页码范围: 1221-1225
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3321/j.issn:0253-987X.2008.10.006

摘要

针对支持向量机(SVM)在应用于集成学习中会失效的问题,提出一种选择性SVM集成学习算法(SE-SVM),利用ξα误差估计法估计个体SVM泛化性度量,并基于负相关学习理论引入差异性度量,通过递归删除法选择出一组泛化性能优良、相互间差异性大的SVM参与集成学习.基于UCI数据的仿真实验表明,SE-SVM能够平均提高SVM的分类正确率0.4%,比常规的Bag-ging集成学习方法和负相关集成学习方法的分类正确率分别提高了0.24%和0.16%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高静怀	西安交通大学电子与信息工程学院	77	1865	22.0	41.0
2	包乾宗	西安交通大学电子与信息工程学院	5	140	5.0	5.0
3	唐耀华	西安交通大学电子与信息工程学院	3	71	3.0	3.0