為進一步提高選擇性支持向量機(SSVM)的分類精度,提出一種基于改進的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行擾動,生成差異度較大的個體SVM;利用自組織映射(SOM)和K-means聚類算法結合的聚類算法(SOM-K)對訓練出來的個體SVM進行分類,選擇每類中訓練精度最高的SVM作為最優個體;用BP算法將最優個體進行非線性集成。實驗結果表明,該算法在UCI兩個數據集上的分類精度分別提高了2.7%和2.2%。

【文章頁數】：5 頁


本文編號：4051526