基于遗传算法的SVM多分类决策树优化算法研究

• 作者: 周建明 王厚军 连可 陈世杰 龙兵
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 支持向量机 遗传算法 决策树 误差积累
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 论文与报告
• 页码范围: 7-12
• 页数: 6页
• 分类号: TP39
• 语种: 中文
• DOI: 10.3321/j.issn:1001-0920.2009.01.002

摘要

设计一种基于遗传算法(GA)的支持向量机(SVM)多分类决策树优化算法,以克服因传统SVM多分类决策树结构固定,单个SVM节点在树中位置随意而引起"误差积累"现象严重的缺陷.采用了SVM分类间隔作为GA适应度函数.利用GA在每一决策节点自动选择最优或近优的分类决策,最终自适应地实现了对决策树的优化.仿真实验表明,与传统方法相比,所提出的方法可使"误差积累"现象明显降低,分类质量大大提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王厚军	电子科技大学自动化工程学院	257	2532	27.0	36.0
2	龙兵	电子科技大学自动化工程学院	69	1038	19.0	28.0
3	连可	电子科技大学自动化工程学院	11	298	9.0	11.0
4	陈世杰	电子科技大学自动化工程学院	5	105	5.0	5.0
5	周建明	电子科技大学自动化工程学院	3	73	3.0	3.0