%0 Journal Article
%T 基于损失函数的adaboost改进算法
%A 雷蕾
%A 王晓丹
%J 计算机应用
%D 2012
%X ？针对adaboost集成时难分样本权重扩张导致训练样本在更新时分布失衡的问题,提出一种基于正负类样本损失函数(lf)的权重更新策略。权重的调整不仅与训练误差有关,还考虑到基分类器对不同类别样本的正确分类能力,从而避免训练样本过度集中于某一类的异常现象。实验结果表明,基于lf的adaboost能在提高收敛性能的情况下,提高算法精度,克服样本分布失衡问题。偏差方差分析的结果显示,该算法在改善偏差的情况下,能有效地减小错误率中的方差成分,提高集成的泛化能力。
%K adaboost算法
%K 支持向量机
%K 损失函数
%U http://www.joca.cn/CN/abstract/abstract15880.shtml