论文部分内容阅读
针对集成学习中bootstrap方法不能产生具有较大差异性的成员分类器，提出基于多模式扰动模型动态加权SVM集成方法。该方法在训练样本中使用bootstrap采样产生扰动，在输入特征中使用PCA特征滤波子空间法产生扰动，用自动模型选择法来动态扰动每个成员分类器的参数，用分类精度对成员分类器加杈集成扰动输出。实验结果表明该方法比常用的bootstrap集成方法具有更好的集成效果。