%0 Journal Article
%T 基于元学习和叠加法的双层支持向量机算法
%A 朱旻
%A 李雪玲
%A 李效来
%A 葛运建
%J 模式识别与人工智能
%P 943-949
%D 2012
%X 提出一种模式识别算法——双层支持量机算法，用来提高表面肌电识别精度。该算法融合集成学习中元学习的并行方法和叠加法的递进思想，把基本SVM分类器并行分布在第1层，第1层的预测结果作为第2层的输入，由第2层再进行分类识别，从而通过多层分类器组合来融合多源特征。以手臂表面肌电数据集为测试数据，采用文中的双层支持向量机，各肌肉的肌电信号分别输入基支持向量机，组合器融合各肌肉电信号特征，集成识别前臂肌肉群的肌电信号，从而实现运动意图的精确识别。实验结果显示，在预测精度上，此算法优于单个SVM分类器。在预测性能上(识别精度、耗时、鲁棒性)，此算法优于随机森林和旋转森林等集成分类器。
%K 集成学习
%K 元学习
%K 叠加法
%K 双层支持向量机(TSSVM)
%K 表面肌电(SENG)
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract9509.shtml