融合样本选择与特征选择的AdaBoost支持向量机集成算法

• 作者: 孙进才 戴健 李亚安 杨宏晖 王芸
• 来源期刊: 西安交通大学学报
• 关键词: 分类器集成 AdaBoost算法 支持向量机 样本选择 特征选择
• 年，卷（期）: 2014,（12）
• 页码范围: 63-68
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.7652/xjtuxb201412010

摘要

为提高AdaBoost分类器集成算法的分类精确度并简化分类系统的复杂度,提出一种融合样本选择与特征选择的AdaBoost支持向量机集成算法(IFSelect-SVME).该算法在AdaBoost算法的每个循环中利用加权免疫克隆样本选择算法进行样本选择,并用互信息顺序向前特征选择算法进行特征选择,再利用每个循环优化选择得到的特征样本子集训练个体SVM分类器,并对其进行加权集成,生成最终的决策系统.对实验所用9组UCI数据集的仿真结果表明:与支持向量机集成(SVME)算法相比,IFSelect-SVME算法的正确分类率有所提高,且样本数可减少30.8％～80.0％,特征数可减少32.2％～81.5％,简化了集成结构,缩短了测试样本的分类时间,所得到的分类系统具有更好的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李亚安	西北工业大学航海学院	104	756	14.0	21.0
2	孙进才	西北工业大学航海学院	136	1277	20.0	26.0
3	戴健	西北工业大学航海学院	7	48	3.0	6.0
4	杨宏晖	西北工业大学航海学院	25	168	8.0	12.0
5	王芸	西北工业大学航海学院	5	32	3.0	5.0