采用负相关学习的SVM集成算法

作者：洪铭; 汪鸿翔; 刘晓芳; 柳培忠^*

来源：华侨大学学报(自然科学版), 2018, 39(06): 942-946.

• 负相关学习
• 误差-分歧分解
• AdaBoost-SVM
• 集成学习
• 分类器

为了平衡集成学习中多样性与准确性之间的关系,并提高决策分类器的泛化能力,提出一种基于负相关学习和AdaBoost算法的支持向量机(SVM)集成学习方法.将负相关学习理论融合到AdaBoost-SVM的训练过程中,利用负相关学习理论计算基分类器间的相关性,并根据相关性的值自适应调整基分类器的权重,进而得到加权后的决策分类器.在UCI数据集中进行仿真,结果表明:相较于传统的负相关集成学习算法和AdaBoost-SVM算法,所提出的方法分类准确率更高,泛化能力更好.

• 单位
  华侨大学