通知公告
交大新闻
12 现在的位置：首页 > 期刊导读 > 2014 > 12 >
融合样本选择与特征选择的AdaBoost支持向量机集成算法
【作者】 杨宏晖 ; 王芸 ; 孙进才 ; 戴健 ; 李亚安
【关键词】 分类器集成 AdaBoost算法 支持向量机 样本选择 特征选择
【摘要】为提高AdaBoost分类器集成算法的分类精确度并简化分类系统的复杂度,提出一种融合样本选择与特征选择的AdaBoost支持向量机集成算法（IFSelect-SVME）.该算法在AdaBoost算法的每个循环中利用加权免疫克隆样本选择算法进行样本选择,并用互信息顺序向前特征选择算法进行特征选择,再利用每个循环优化选择得到的特征样本子集训练个体SVM分类器,并对其进行加权集成,生成最终的决策系统.对实验所用9组UCI数据集的仿真结果表明：与支持向量机集成（SVME）算法相比,IFSelect-SVME算法的正确分类率有所提高,且样本数可减少30.8％～80.0％,特征数可减少32.2％～81.5％,简化了集成结构,缩短了测试样本的分类时间,所得到的分类系统具有更好的分类精度.
上一篇：利用全局约束霍夫模型的目标跟踪算法
下一篇：健康问题和医生匹配机制的研究
© 2015 《西安交通大学学报》编辑部 地址：西安市咸宁西路28号 邮编：710049
互联网备案号：陕ICP备07500839号