[发明专利]一种基于AdaBoost的支持向量机集成学习方法在审
| 申请号： | 201811264179.6 | 申请日： | 2018-10-29 |
| 公开（公告）号： | CN109472302A | 公开（公告）日： | 2019-03-15 |
| 发明（设计）人： | 陈宏义;雷鹤杰;梁锡军;渐令 | 申请（专利权）人： | 中国石油大学（华东） |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N20/10;G06N20/20 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 266580 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于AdaBoost的支持向量机集成学习方法。针对现有支持向量机学习方法在处理类不平衡分类问题时存在精度偏低的不足，提供了一种基于AdaBoost的支持向量机集成学习方法，使用加权支持向量机(W‑SVM)构建弱分类器，并基于AdaBoost算法框架将弱分类器集成为强分类器。该方法能够深入挖掘样本分布信息，进而显著提升预测精度，是处理类不平衡问题的有效工具。 | ||
| 搜索关键词： | 支持向量机 集成学习 弱分类器 分类问题 强分类器 样本分布 有效工具 构建 加权 挖掘 预测 学习 | ||
【主权项】：
1.一种基于AdaBoost的支持向量机集成学习方法，其特征在于：含有以下步骤：(一)初始化样本权重，选择加权SVM(W‑SVM)构建弱分类器，对类不平衡问题进行分类；(二)采用AdaBoost算法动态调整学习样本的权重，并根据弱分类器fk(x)的精度确定弱分类器的权重αk；(三)通过交叉验证法确定弱分类器数量T，并将T个弱分类器集成为强分类器![]()
![]()
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国石油大学（华东），未经中国石油大学（华东）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811264179.6/，转载请声明来源钻瓜专利网。
