采用负相关学习的SVM集成算法

• 作者: 刘晓芳 柳培忠 汪鸿翔 洪铭
• 来源期刊: 华侨大学学报（自然科学版）
• 关键词: 负相关学习 误差-分歧分解 AdaBoost-SVM 集成学习 分类器
• 年，卷（期）: 2018,（6）
• 页码范围: 942-946
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11830/ISSN.1000-5013.201611103

摘要

为了平衡集成学习中多样性与准确性之间的关系,并提高决策分类器的泛化能力,提出一种基于负相关学习和AdaBoost算法的支持向量机(SVM)集成学习方法.将负相关学习理论融合到AdaBoost-SVM的训练过程中,利用负相关学习理论计算基分类器间的相关性,并根据相关性的值自适应调整基分类器的权重,进而得到加权后的决策分类器.在UCI数据集中进行仿真,结果表明:相较于传统的负相关集成学习算法和AdaBoost-SVM算法,所提出的方法分类准确率更高,泛化能力更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柳培忠	华侨大学工学院	34	121	7.0	8.0
2	刘晓芳	华侨大学工学院	20	48	3.0	6.0
3	汪鸿翔	华侨大学工学院	9	45	4.0	6.0
4	洪铭	华侨大学工学院	7	34	3.0	5.0