论文部分内容阅读
基于数据离散化方法,提出一种新的支持向量机集成算法.该算法采用粗糙集和布尔推理离散化方法构造有差异的基分类器,并引入一致度指标控制离散化过程。可进一步提高集成学习的分类性能。实验结果表明,该算法不仅具有明显优于单一支持向量机的分类性能,而且能取得比传统集成学习算法Bagging和Adaboost更高的分类正确率。