發(fā)布時(shí)間：2025-06-20 05:54

　　 為進(jìn)一步提高選擇性支持向量機(jī)(SSVM)的分類精度,提出一種基于改進(jìn)的SSVM的集成算法(AR-SKB)。利用AdaBoost算法和基于廣義差別矩陣的粗糙集屬性約簡(jiǎn)算法對(duì)樣本和樣本的屬性特征進(jìn)行擾動(dòng),生成差異度較大的個(gè)體SVM;利用自組織映射(SOM)和K-means聚類算法結(jié)合的聚類算法(SOM-K)對(duì)訓(xùn)練出來(lái)的個(gè)體SVM進(jìn)行分類,選擇每類中訓(xùn)練精度最高的SVM作為最優(yōu)個(gè)體;用BP算法將最優(yōu)個(gè)體進(jìn)行非線性集成。實(shí)驗(yàn)結(jié)果表明,該算法在UCI兩個(gè)數(shù)據(jù)集上的分類精度分別提高了2.7%和2.2%。

【文章頁(yè)數(shù)】：5 頁(yè)


本文編號(hào)：4051526