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算法對樣本和樣本的屬性特征進(jìn)行擾動,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)對訓(xùn)練出來的個(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%。

【文章頁數(shù)】：5 頁


本文編號：4051526