作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为有效提升支持向量机泛化性能,提出了基于差分进化算法和负相关学习的选择性支持向量机集成.通过bootstrap技术产生并训练得到多个独立子SVM,基于负相关学习理论构造适应度函数,既提高子SVM的泛化性能,又增大其之间差异度.利用差分进化算法计算各子SVM在加权平均中的最优权重,选择权值大于一定阈值的部分SVM进行加权集成.实验结果表明,该算法是一种有效的集成方法,能进一步提高SVM的泛化性能.
推荐文章
融合样本选择与特征选择的AdaBoost支持向量机集成算法
分类器集成
AdaBoost算法
支持向量机
样本选择
特征选择
基于加速遗传算法的选择性支持向量机集成
加速遗传算法
适应函数
负相关学习
支持向量机
选择性集成
一种新的选择性支持向量机集成学习算法
泛化性度量
集成学习
负相关
支持向量机
基于负相关学习的支持向量机集成算法
负相关学习
支持向量机集成
演化策略
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 选择性支持向量机集成算法
来源期刊 计算机工程与设计 学科 工学
关键词 差分进化算法 适应函数 负相关学习 支持向量机 选择性集成
年,卷(期) 2011,(5) 所属期刊栏目 智能技术
研究方向 页码范围 1807-1809,1819
页数 分类号 TP18
字数 5412字 语种 中文
DOI
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (121)
参考文献  (7)
节点文献
引证文献  (11)
同被引文献  (48)
二级引证文献  (25)
1967(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(5)
  • 参考文献(1)
  • 二级参考文献(4)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(5)
  • 参考文献(2)
  • 二级参考文献(3)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(6)
  • 引证文献(3)
  • 二级引证文献(3)
2014(7)
  • 引证文献(2)
  • 二级引证文献(5)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
2016(6)
  • 引证文献(0)
  • 二级引证文献(6)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(5)
  • 引证文献(2)
  • 二级引证文献(3)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
差分进化算法
适应函数
负相关学习
支持向量机
选择性集成
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与设计
月刊
1000-7024
11-1775/TP
大16开
北京142信箱37分箱
82-425
1980
chi
出版文献量(篇)
18818
总下载数(次)
45
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导