采用离散化处理的选择性SVM集成学习算法

摘要：

为提高分类性能,提出了一种新的基于数据离散化和选择性集成的SVM集成学习算法.该算法采用粗糙集和布尔推理离散化方法处理数据集,构造有差异的个体SVM以提高集成学习的性能.在训练得到一批SVM之后,算法采用了选择性集成提高性能并减小集成规模.实验结果表明,所提算法能取得比传统集成学习方法Bagging和Adaboost更好的性能.

关键词：支持向量机、集成学习、选择性集成、离散化

所属期刊栏目：8

分类号：TP181(自动化基础理论)

资助基金：广东省自然科学基金项目8151802904000012;国家自然科学基金项目60772163

在线出版日期：2010-09-07（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：1-5