一种基于凸壳算法的SVM集成方法

被引：13

作者：

张宏达

王晓丹

白冬婴

刘倞源

机构：

[1] 空军工程大学导弹学院

来源：

计算机工程 | 2008年 / 17期

关键词：

凸壳算法; 支持向量机; 集成;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

为提高支持向量机(SVM)集成的训练速度,提出一种基于凸壳算法的SVM集成方法,得到训练集各类数据的壳向量,将其作为基分类器的训练集,并采用Bagging策略集成各个SVM。在训练过程中,通过抛弃性能较差的基分类器,进一步提高集成分类精度。将该方法用于3组数据,实验结果表明,SVM集成的训练和分类速度平均分别提高了266%和25%。

引用

页码：28 / 30

页数：3

共 8 条

[1]

Ensembling neural networks: Many could be better than all.[J].Zhi-Hua Zhou;Jianxin Wu;Wei Tang.Artificial Intelligence.2002, 1

[2]

Bagging predictors [J].