一种基于支持向量机集成的决策树分类算法

摘要：

　　传统决策树算法有好的可理解性，而支持向量机集成方法有好的分类性能。本文基于二者的优点提出了一种基于支持向量机集成的决策树分类算法，首先在样本集合上训练支持向量机集成分类器。然后随机生成一定数目的特征向量并加以标注，构造辅助样本。最后在辅助样本的帮助下生成新的决策树。由于最终结果由决策树给出，所以本文算法具有很好的可理解性。此外在辅助样本的帮助下，算法的分类性能也得到提高。在UCI标准数据集与新闻文本数据集上的实验充分验证了本文算法的合理性。

关键词：决策树、支持向量机集成、特征向量、可理解性

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60662002。

在线出版日期：2013-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：145-147