论文部分内容阅读
针对支持向量机的分类精度受数据表达形式以及个体分类器模型选择因素影响较大，提出一种新的支持向量机集成算法来克服这个缺陷。首先利用PCA对原始数据进行处理，通过寻求原始数据的更好表达形式，以降低高维特征空间的维数；然后利用模糊积分进行多个子分类器决策融合，兼顾各子分类器的分类结果和各子分类器判决对最终决策的重要程度。仿真实验表明，该方法的分类准确率明显优于传统方法的支持向量分类器集成策略。