结合Rotation Forest和MultiBoost的SVM集成方法

摘要：

针对如何提高集成学习的性能,提出一种结合Rotation Forest和MultiBoost的集成学习方法——利用Rotation Forest中旋转变换的思想对原始数据集进行变换,旨在增加分类器间的差异度；利用MultiBoost在变换后的数据集上训练基分类器,旨在提高基分类器的准确度.最后用简单的多数投票法融合各基分类器的决策结果,将其作为集成分类器的输出.为了验证该方法的有效性,在公共数据集UCI上进行了实验,结果显示,该方法可获得较高的分类精度.

关键词：集成学习、支持向量机、随机投影、旋转森林、MultiBoost

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目60975026,61273275,61102109

在线出版日期：2013-04-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：266-270,290