摘要：将遗传算法应用于以SVM为弱分类器的AdaBoost算法，产生了一种识别率高，泛化能力好的强分类器，本文称之为GA-AdaBoostSVM算法。该算法先训练多个支持向量机作为弱分类器，然后用AdaBoost算法将多个弱分类器组合成一个强分类器，在组合的同时采用遗传算法对各弱分类器的权值进行全局寻优。此算法特点在于：（1）传统的AdaBoost算法，对所有弱分类器的权值无法给出一个最优的组合，GA—AdaBoostSVM算法用遗传算法对弱分类器的权值进行全局寻优，得到的强分类器具有更高的识别准确率。（2）为提高强分类器的泛化能力，在训练弱分类器时，合理调整RBF核的参数，使各个弱分类器在准确率和差异性之间得到折中，从而提高整合后的强分类器的泛化能力。最后，通过试验与传统AdaBoostSVM进行对比，表明GA-AdaBoostSVM的优越性。

关键词：交通工程 adaboost 支持向量机 遗传算法 分类器 

单位：华南理工大学自动化科学与工程学院 广东广州510640 西安交通大学能源与动力学院 陕西西安710049