一种新的支持向量机混合集成算法

摘要：

针对基于Boosting和Bagging的集成算法不能有效提高“强学习器”泛化性能的问题,融合Boosting的样本扰动和快速核独立分量分析的特征扰动以生成若干个体支持向量分类器,使生成的训练样本集具有较大的差异性.然后基于模糊核聚类算法根据各个体支持向量机在验证集上的泛化误差选择最优个体进行集成.实验结果表明该算法能进一步提高支持向量机分类器的泛化性能,而且具有较强的稳定性.

关键词：扰动、快速核独立分量分析、模糊核聚类、支持向量机集成

所属期刊栏目：12

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金81160183;国家社科基金11XTJ001;陕西省教育厅科研基金12JK0864

在线出版日期：2012-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：5312-5315,5321