一种新的选择性支持向量机集成学习算法

被引：21

作者：

唐耀华

高静怀

包乾宗

机构：

[1] 西安交通大学电子与信息工程学院

来源：

西安交通大学学报 | 2008年 / 10期

关键词：

泛化性度量; 集成学习; 负相关; 支持向量机;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对支持向量机(SVM)在应用于集成学习中会失效的问题,提出一种选择性SVM集成学习算法(SE-SVM),利用ξα误差估计法估计个体SVM泛化性度量,并基于负相关学习理论引入差异性度量,通过递归删除法选择出一组泛化性能优良、相互间差异性大的SVM参与集成学习.基于UCI数据的仿真实验表明,SE-SVM能够平均提高SVM的分类正确率0.4%,比常规的Bag-ging集成学习方法和负相关集成学习方法的分类正确率分别提高了0.24%和0.16%.

引用

页码：1221 / 1225

页数：5