期刊文献+

基于神经网络集成分类器预处理的支持向量机分类算法 被引量:24

A Support Vector Machine Algorithm Based on Pretreatment of Neural Network Ensemble
下载PDF
导出
摘要 由于支持向量机分类算法对于小样本数据效果不是很好,本文提出了一种基于神经网络集成分类器预处理的支持向量机分类算法。该算法首先通过神经网络集成分类器扩充样本集,然后利用支持向量机分类算法对新样本集合进行学习。由于神经网络集成分类器可以较好地扩充样本集合,所以可以有效地提高支持向量机分类算法训练的精度。在UCI标准数据集上的实验表明,基于神经网络集成分类器预处理的支持向量机分类算法较传统的支持向量机算法具有更高的精度。 As the support vector machine classification algorithm is not very good on small sample data set,we proposed a support vector machine algorithm based on pretreatment of neural network ensemble.This algorithm first expands the data set by neural network ensemble classifier.Then use the support vector machine classification algorithm to study on the new sample set.As Neural network ensemble classifier can expand the sample set effectively,so the classification accuracy of support vector machines can be improved effectively.Experiments on the UCI standard data set showed that,compared with the classical support vector machine algorithm,the proposed algorithm has higher accuracy.
作者 朱珍
出处 《科技通报》 北大核心 2013年第4期26-27,30,共3页 Bulletin of Science and Technology
关键词 支持向量机 分类算法 神经网络集成 数据预处理 support vector machines classification algorithms neural network ensembles data preprocessing
  • 相关文献

参考文献7

  • 1Cortes C, Vapnik V. Support vector networks [J]. Machine Learning, 1995,20:273-297.
  • 2Zhou Z H, Jiang Y.NeC4.5: neural ensemble based C4.5 [J]. Knowledge and Data Engineering, 2004 , 16 (6) : 770-773.
  • 3Blake C, Keogh E, Merz C J. UCI repository of machine learning databases. [EB/OL] [http://www.ics.uci.edu/- mlearrdMLRepository.html], Department of Information and Computer Science, University of California, Irvine, CA, 1998.
  • 4俞善贤.神经网络和预报集成的若干问题及其对策[J].科技通报,2006,22(2):159-164. 被引量:1
  • 5Schapire R. E.. The strength of weak learnability[J]. Ma- chine Learning, 1990,5 (2) : 197-227.
  • 6Friedman L.. Bagging predictors [J], Machine Learning , 1996,24(2) : 123-140.
  • 7Zhou Z H, Wu J X, Tang W.Ensemble neural networks: Many could be better than all [J]. Artificial Intelligence , 2002,137 (1-2) : 239-263.

二级参考文献16

  • 1俞善贤,钟元,滕卫平.热带气旋路径人工神经元预报方法对比试验研究[J].热带气象学报,2004,20(5):523-529. 被引量:16
  • 2张承福.人工神经网络在天气预报中的应用研究[J].气象,1994,20(6):43-47. 被引量:32
  • 3蒋乐贻.热带气旋路径人工神经网络预报方法[A].第十一届全国热带气旋科学年会[C].1999,101-105.
  • 4曹鸿兴,谷湘潜,封国林.气象中的自记性与人工智能[A].气科学发展战略.中国气象学会第25次全国会员代表大会暨学术年会论文集[C].气象出版社,2002,187-191.
  • 5Cherkassky V,Mulier F.Learning.from Data:Conecpts,Theory and Methods[A].NY:John Viley&Sons.997.
  • 6俞善贤 陈孝源.气象数据回归分析中的若干问题及其对策[J].气象学报,1988,46(3):327-332.
  • 7Hansen L K,Salamon P,Neural network ensembles[J].IEEE Trans Pattern Analysis and Machine Intelligence,1990,12(10):993-1001.
  • 8Hansen L K,Lisberg L,Salamon P.Ensemble methods for handwritten digit recognition[A].In:Proc the 1992 IEEE workshop on Neural for Signal Processing[C].Copenhagen,Denmark,1992,333-342.
  • 9Vapnik V.The Nature of Statistical Learning Theory[M].New York:Springer Verlag.1995.
  • 10Osuna E E,Freund R,Girosi F.Support Vector Machines:Training and Applications[M].A.I.Memo No.1602,MIT Artificial IntelligenceLaboratory,1997.

同被引文献134

引证文献24

二级引证文献74

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部