SVM和集成学习算法的改进和实现

• 作者: 王未央 魏仕轩
• 来源期刊: 计算机系统应用
• 关键词: Bagging SVM Adaboost 集成学习 噪声处理 分类
• 年，卷（期）: 2015,（7）
• 页码范围: 117-121
• 页数: 5页
• 字数: 3986字
• 语种: 中文

摘要

支持向量机(SVM)算法的主要缺点是当它处理大规模训练数据集时需要较大内存和较长的训练时间。为了加快训练速度和提高分类准确率,提出了一种融合了Bagging, SVM和Adaboost三种算法的二分类模型,并提出了一种去噪的算法。通过实验对比SVM, SVM-Adaboost以及本文提出的分类模型。随着训练数据规模不断扩大,该分类模型在提高准确率的前提下,明显提高了训练速度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王未央	上海海事大学信息工程学院	26	84	5.0	8.0
2	魏仕轩	上海海事大学信息工程学院	1	11	1.0	1.0