基于双重扰动的选择性支持向量机集成

• 作者: 陈涛
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 扰动 粗糙集 相对核 动态约简 负相关学习 加速遗传算法 支持向量机集成
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 人工智能
• 页码范围: 1331-1334
• 分类号: TP18
• 字数: 4812字
• 语种: 中文
• DOI: 10.3724/SP.J.1087.2011.01331

摘要

为了进一步提升支持向量机泛化性能,提出一种基于双重扰动的选择性支持向量机集成算法.利用Boosting方法对训练集进行扰动基础上,采用基于相对核的粗糙集相对约简与重采样技术相结合的动态约简算法进行特征扰动以生成个体成员,然后基于负相关学习理论构造遗传个体适应度函数,利用加速遗传算法选择权重大于阈值的最优个体进行加权集成.实验结果表明,该算法具有较高的泛化性能和较低的时、空复杂性,是一种高效的集成方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈涛	陕西理工学院数学系	46	423	13.0	19.0