摘要:为进一步提高选择性支持向量机(SSVM)的分类精度,提出一种基于改进的SSVM的集成算法(AR-SKB)。利用AdaBoost算法和基于广义差别矩阵的粗糙集属性约简算法对样本和样本的属性特征进行扰动,生成差异度较大的个体SVM;利用自组织映射(SOM)和K-means聚类算法结合的聚类算法(SOM-K)对训练出来的个体SVM进行分类,选择每类中训练精度最高的SVM作为最优个体;用BP算法将最优个体进行非线性集成。实验结果表明,该算法在UCI两个数据集上的分类精度分别提高了2.7%和2.2%。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
热门期刊服务
教育研究与评论·课堂观察 首都医科大学学报·社科版 教育研究与评论·小学教育教学 雷达与对抗 冶金设备管理与维修 大学物理实验 高校辅导员学刊 产业质量研究 安徽农学通报·下半月刊 集美大学学报·自然科学版 临床普外科电子 遗传与疾病相关文章
改进工作作风心得体会