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
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社