-
题名一种基于累积适应度遗传算法的SVM多分类决策树
被引量：12
- 1
-
-
作者
朱庆生
程柯
-
机构
重庆大学计算机学院
-
出处
《计算机应用研究》
CSCD
北大核心
2016年第1期64-67,74,共5页
-
基金
国家自然科学基金资助项目(61272194)
-
文摘
针对基于遗传算法(genetic algorithm,GA)的支持向量机(support vector machine,SVM)多分类决策树算法(GA-SVM)中全局优化缺陷的问题,通过重新定义遗传适应度函数(fitness),提出一种累积适应度(cumulative fitness),进而衍生出新算法CFGA-SVM。该算法从根节点开始逐层构造二叉树,对根节点基因实值编码,通过基因分裂操作产生子代种群,然后利用累积适应度筛选出新的种群,筛选出的种群并不一定是当代局部最优,但一定是所得二叉树中全局最优,从而提高分类精度,最后以此循环直至算法结束。通过在UCI的artificial characters数据集上的实验结果表明,CFGA-SVM较之DT-SVM与GA-SVM算法在全局优化能力、分类精度上有明显提高,进而验证了该算法的可行性与有效性,可在大规模样本的分类应用中推广。
-
关键词
多分类
支持向量机
遗传算法
累积适应度函数
全局优化
-
Keywords
multi-classification
support vector machine（SVM）
genetic algorithm （GA）
cumulative fitness function
glo-bal optimization
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
