%0 Journal Article
%T 采用负相关学习的SVM集成算法
%A 刘晓芳
%A 柳培忠
%A 汪鸿翔
%A 洪铭
%J 华侨大学学报(自然科学版)
%D 2018
%R 10.11830/ISSN.1000-5013.201611103
%X 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.
%K 负相关学习
%K 误差-分歧分解
%K AdaBoost-SVM
%K 集成学习
%K 分类器
%U http://www.hdxb.hqu.edu.cn/oa/DArticle.aspx?type=view&id=201806024