基于核函数的Adaboost分类算法研究

• 作者: 李想 李涛
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: BOOSTING算法 集成学习 核函数 弱分类器
• 年，卷（期）: 2011,（10）
• 页码范围: 6969-6970
• 页数: 2页
• 分类号: TP301.6

摘要

Boosting是在统计学习理论的基础上发展起来的一种新的集成机器学习方法，并在模式分类领域有了广泛的应用。该文首先分析了Boosting的原理并介绍了其经典算法AdaBoost方法，分别引入三种核函数（多项式核函数、径向基核函数、Sigmoid核函数）集成AdaBoost算法的弱分类器。然后将其应用于两个关于癌症论断的数据集中，通过实验验证了核函数作为弱分类器集成AdaBoost分类器的良好性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李想	兰州交通大学自动化与电气工程学院	7	16	2.0	4.0
2	李涛	兰州交通大学自动化与电气工程学院	13	89	4.0	9.0