基于遗传算法的SVM多分类决策树优化算法研究

被引：14

作者：

连可

陈世杰

周建明

龙兵

王厚军

机构：

[1] 电子科技大学自动化工程学院

来源：

控制与决策 | 2009年 / 01期

关键词：

支持向量机; 遗传算法; 决策树; 误差积累;

D O I：

10.13195/j.cd.2009.01.9.liank.012

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

设计一种基于遗传算法(GA)的支持向量机(SVM)多分类决策树优化算法,以克服因传统SVM多分类决策树结构固定,单个SVM节点在树中位置随意而引起"误差积累"现象严重的缺陷.采用了SVM分类间隔作为GA适应度函数.利用GA在每一决策节点自动选择最优或近优的分类决策,最终自适应地实现了对决策树的优化.仿真实验表明,与传统方法相比,所提出的方法可使"误差积累"现象明显降低,分类质量大大提高.

引用

页码：7 / 12

页数：6

共 6 条

[1] 基于GA的遥感图像目标SVM自动识别 [J].