基于核函数的Adaboost分类算法研究

Boosting是在统计学习理论的基础上发展起来的一种新的集成机器学习方法,并在模式分类领域有了广泛的应用。该文首先分析了Boosting的原理并介绍了其经典算法AdaBoost方法,分别引入三种核函数(多项式核函数、径向基核函数、Sigmoid核函数)集成AdaBoost算法的弱分类器。然后将其应用于两个关于癌症论断的数据集中,通过实验验证了核函数作为弱分类器集成Ad-aBoost分类器的良好性能。