一种基于累积适应度遗传算法的 SVM多分类决策树

• 作者: 朱庆生 程柯
• 来源期刊: 计算机应用研究
• 关键词: 多分类 支持向量机 遗传算法 累积适应度函数 全局优化
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 64-67,74
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.01.014

摘要

针对基于遗传算法（genetic algorithm，GA）的支持向量机（support vector machine，SVM）多分类决策树算法（GA-SVM）中全局优化缺陷的问题，通过重新定义遗传适应度函数（fitness），提出一种累积适应度（cumula-tive fitness），进而衍生出新算法 CFGA-SVM。该算法从根节点开始逐层构造二叉树，对根节点基因实值编码，通过基因分裂操作产生子代种群，然后利用累积适应度筛选出新的种群，筛选出的种群并不一定是当代局部最优，但一定是所得二叉树中全局最优，从而提高分类精度，最后以此循环直至算法结束。通过在 UCI 的 artificial characters 数据集上的实验结果表明，CFGA-SVM较之 DT-SVM与 GA-SVM算法在全局优化能力、分类精度上有明显提高，进而验证了该算法的可行性与有效性，可在大规模样本的分类应用中推广。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱庆生	重庆大学计算机学院	175	1952	22.0	33.0
2	程柯	重庆大学计算机学院	1	19	1.0	1.0