基于动态调整的GA-SVM多分类二叉树的方法

摘要：

基于遗传算法的支持向量机决策树多分类方法仍然存在错误累积的问题,累积的错误往往使分类准确率下降,分类效果变差,存在全局优化缺陷的问题;并且在每个节点进行二分类常用的实数编码切分方法,效率低下.针对这两方面的问题,提出从根节点开始逐层构造二叉树,运用二进制编码的遗传算法进行每一阶段的二叉树构造.二进制编码对于每个节点的分类以及进行交叉、变异更高效,不用考虑从什么位置切分.针对越靠近根节点产生的误差对后续节点分类误差的累积影响,提出一种动态调整的方法,此方法对每个节点赋予权重再进行对权重的调整使得整体的分类误差减小,最终得到二又树的全局最优,从而提高分类精度.通过实验并进行五折交叉验证表明,DABT-SVM比多种传统的支持向量机多分类算法在全局优化能力和分类精度上有很大的提升.验证了该算法的可行性和有效性.

关键词：支持向量机、遗传算法、二叉树、动态调整、全局优化

所属期刊栏目：17

分类号：TP181(自动化基础理论)

资助基金：广东省省级科技计划2014A020215019

在线出版日期：2017-05-16（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：177-182