摘要:針對(duì)支持向量機(jī)(SVM)在應(yīng)用于集成學(xué)習(xí)中會(huì)失效的問(wèn)題,提出一種選擇性SVM集成學(xué)習(xí)算法(SE-SVM),利用ξα誤差估計(jì)法估計(jì)個(gè)體SVM泛化性度量,并基于負(fù)相關(guān)學(xué)習(xí)理論引入差異性度量,通過(guò)遞歸刪除法選擇出一組泛化性能優(yōu)良、相互間差異性大的SVM參與集成學(xué)習(xí)。基于UCI數(shù)據(jù)的仿真實(shí)驗(yàn)表明,SE-SVM能夠平均提高SVM的分類正確率0.4%,比常規(guī)的Bag-ging集成學(xué)習(xí)方法和負(fù)相關(guān)集成學(xué)習(xí)方法的分類正確率分別提高了0.24%和0.16%。
關(guān)鍵詞:泛化性度量;集成學(xué)習(xí);負(fù)相關(guān);支持向量機(jī)
中圖分類號(hào):TP391 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):0253—987X(2008)10—1221—05
西安交通大學(xué)學(xué)報(bào)2008年10期