多源性数据SVM集成算法研究  

Support vector machine ensemble learning algorithm research based on heterogeneous data

作　　者：常甜甜[1] 刘红卫[1] 冯筠[2] 

机构地区：[1]西安电子科技大学理学院,陕西西安710071 [2]西北大学信息技术学院,陕西西安710069

出　　处：《西安电子科技大学学报》2010年第1期136-141,共6页Journal of Xidian University

基　　金：国家自然科学基金资助项目(60603098);陕西省教育厅科学研究计划项目资助项目(07JK381)

摘　　要：针对数据特征的多源性特点,提出基于分组特征支持向量机集成算法.该方法将特征分组,对不同组特征采用不同的核函数映射到高维空间后用支持向量机分类,最后采用投票的方法得出决策标记,所得到的成员分类器具有较高的差异性.与传统的集成方法相比,该方法具有较好的检测性能.An SVM ensemble learning algorithm based on grouped features is proposed for heterogeneous data. The feature is grouped and trained with different SVM classifiers, and then the final predict labels are obtained by the voting method. The diversity component classifiers with higher classification performance are obtained. Experimental results show that, compared with traditional ensemble learning, this method has the best performance.

关 键 词：集成学习 支持向量机 多源性 医学图像 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]