一种支持向量分类器集成的方法  

A Novel Method of Support Vector Classifiers Ensemble

作　　者：李满[1] 李春华[1] 

机构地区：[1]黑龙江科技学院电气与信息工程学院,哈尔滨150027

出　　处：《机电一体化》2011年第7期85-89,共5页Mechatronics

基　　金：黑龙江省教育厅科学技术研究面上项目;项目名称"掘进巷道瓦斯控制系统的研究"(编号:11541304)

摘　　要：针对支持向量机的分类精度受数据表达形式以及个体分类器模型选择因素影响较大,提出一种新的支持向量机集成算法来克服这个缺陷。首先利用PCA对原始数据进行处理,通过寻求原始数据的更好表达形式,以降低高维特征空间的维数;然后利用模糊积分进行多个子分类器决策融合,兼顾各子分类器的分类结果和各子分类器判决对最终决策的重要程度。仿真实验表明,该方法的分类准确率明显优于传统方法的支持向量分类器集成策略。A novel support vector machines ensembel method is proposed to eliminate the impact of the data representation and model selection of individual classification on the performance of support vector machines. Firstly, in order to decrease the dimensions in high-dimension feature space, principal component analysis is used to deal with the original data. Secondly, fuzzy integral is presented to ensemble the sub-SVM classifiers, and the importance support vector classifiers （SVC） ensemble has been proposed to improve the classification performance. The simulating results demonstrate that the proposed SVCs ensemble approach using fuzzy integral and PCA outperforms a single SVC and traditional SVCs ensemble technique via majority voting in terms of classificaiton accuracy.

关 键 词：主成分分析 支持向量分类器 支持向量分类器集成 模糊积分 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]