论文部分内容阅读
提出一种自适应权值的支持向量机集成学习方法。该方法以Bagging方法为基础，结合部分AdaBoost算法权值更新的思想，给各个子分类器赋予权值，同时结合支持向量机本身的特性，对训练数据进行选择，加大训练样本的差异性。相比较传统的Bagging方法，结合SVM的特性来更有针对性的训练错分样本。文中使用4个UCI数据集进行对比实验，结果表明本文算法相比较传统的Bagging算法可以在一定程度上提高分类器的泛化能力。