基于支持向量机的无穷维AdaBoost算法及其应用

被引：13

作者：

刘冲

张均东

曾鸿

任光

纪玉龙

机构：

[1] 大连海事大学

来源：

仪器仪表学报 | 2010年 / 31卷 / 04期

关键词：

AdaBoost算法; 支持向量机; 核函数; 超平面; 分类精度;

D O I：

10.19650/j.cnki.cjsi.2010.04.008

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

AdaBoost算法能够集成比随机猜测略好的弱分类器,输出较高分类精度的强分类器。为了进一步提高AdaBoost算法的分类精度,建立了一种基于支持向量机的无穷维AdaBoost算法,实现无穷维AdaBoost算法的关键是建立一个新的支持向量机核函数,使此核函数集成无穷多个AdaBoost算法弱分类器。将无穷维AdaBoost算法用于模拟电路故障诊断,故障诊断结果表明:无穷维AdaBoost算法分类精度优于有限维AdaBoost算法,提高了AdaBoost算法的分类精度。

引用

收藏

页码：764 / 769

页数：6

相关论文

共 10 条

[1] 遗传算法优化的SVM模拟电路故障诊断方法 [J].

陈世杰 ;

连可 ;

王厚军 .

电子科技大学学报 , 2009, (04) :553-558

[2] 基于支持向量机和多球体的一对多分类器 [J].

徐磊 ;

赵光宙 ;

顾弘 .

浙江大学学报(工学版), 2009, 43 (02) :303-308

[3] 关于AdaBoost有效性的分析 [J].

付忠良 .

计算机研究与发展, 2008, (10) :1747-1755

[4] 模拟电路故障的一种聚类二叉树支持向量机诊断新方法 [J].

崔江 ;

王友仁 .

仪器仪表学报, 2008, (10) :2047-2051

[5] 基于支持向量机集成的模拟电路故障诊断 [J].

唐静远 ;

师奕兵 ;

张伟 .

仪器仪表学报, 2008, (06) :1216-1220

[6] 基于SVM的模拟电子系统多故障诊断研究 [J].

连可 ;

王厚军 ;

龙兵 .

仪器仪表学报, 2007, (06) :1029-1034

[7] 基于小波—神经网络模拟电路故障诊断方法的研究 [J].

谢宏 ;

何怡刚 ;

吴杰 .

仪器仪表学报, 2004, (05) :672-675

[8] 模拟电路故障诊断的BP神经网络方法 [J].

何怡刚 ;

梁戈超 .

湖南大学学报(自然科学版), 2003, (05) :35-39

[9] Sparse regression ensembles in infinite and finite hypothesis spaces [J].

Rätsch, G ;

Demiriz, A ;

Bennett, KP .

MACHINE LEARNING, 2002, 48 (1-3) :189-218

[10] Soft margins for AdaBoost [J].

Rätsch, G ;

Onoda, T ;

Müller, KR .

MACHINE LEARNING, 2001, 42 (03) :287-320