基于信息熵的RVM-AdaBoost组合分类器

• 作者: 李睿 王晓丹 翟夕阳 贾琪
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 相关向量机 AdaBoost算法 信息熵 集成学习
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 138-143
• 页数: 6页
• 分类号: TP181
• 字数: 5688字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1610-0104

摘要

针对AdaBoost算法不能有效提高RVM分类性能的问题,提出一种基于信息熵的RVM与AdaBoost组合分类器.依据RVM输出的后验概率来定义样本的信息熵,信息熵越高的样本越容易错分.提出使用自适应信息熵阈值对数据进行筛选,筛选出的数据使用基于AdaBoost算法的集成分类器进行分类,样本的分类结果由RVM与集成分类器组合给出.把未筛选出且分类错误的极少样本作为噪声对待,增强了组合分类器的稳定性,避免了随着Ada-Boost算法迭代次数增加集成分类器出现退化的现象.使用UCI数据集从分类正确率、分类效率和稳定性三方面对提出的组合分类器进行验证,实验结果表明了此分类器的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓丹	空军工程大学防空反导学院	135	1447	21.0	31.0
2	李睿	空军工程大学防空反导学院	25	166	7.0	12.0
3	翟夕阳	空军工程大学防空反导学院	13	34	4.0	5.0
4	贾琪	空军工程大学防空反导学院	7	19	3.0	4.0