一种基于遗传算法的SVM决策树多分类方法

• 作者: 刘辉 杨俊安 王一
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 支持向量机 遗传算法 决策树
• 年，卷（期）: 2010,（10）
• 页码范围: 1495-1499
• 分类号: TN959.1
• 字数: 3191字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0530.2010.10.009

摘要

在当前的机器学习领域,如何利用支持向量机(SVM)对多类目标进行分类,同时提高分类器的分类效率已经成为研究的热点之一,有效地解决此问题对于提高目标的识别概率具有较大意义.本文针对SVM多分类问题提出了一种基于遗传算法的SVM最优决策树生成算法.算法以随机生成的决策树构建的SVM分类器对同一测试样本的分类正确率作为遗传算法的适应度函数,通过遗传算法寻找到最优决策树,再以最优决策树构建SVM分类器,最终实现SVM的多分类.将该算法应用于低空飞行声目标识别问题,实验结果表明,新方法比传统的1-a-1、1-a-r、SVM-DL和GADT-SVM方法有更高的分类精度和更短的分类时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨俊安		69	461	10.0	18.0
3	王一		7	61	5.0	7.0
9	刘辉		17	85	6.0	8.0