多源性数据SVM集成算法的研究.pdfVIP

2010年 2月 西安电子科技大学学报 (自然科学版) Feb．2010 第 37卷 第 1期 JOURNAL OF XIDIAN UNIVERSITY Vol_37 NO．1 doi：10．3969／j．issn．1001—2400．2010．01．024 多源性数据 SVM 集成算法研究 常甜甜 ，刘红卫 ，冯 筠 (1．西安电子科技大学 理学院，陕西 西安 710071； 2．西北大学 信息技术学院，陕西 西安 710069) 摘要：针对数据特征的多源性特点，提出基于分组特征支持向量机集成算法．该方法将特征分组，对不 同组特征采用不 同的核函数映射到高维空间后用支持 向量机分类，最后采用投票 的方法得 出决策标记 ， 所得到的成员分类器具有较高的差异性．与传统的集成方法相 比，该方法具有较好 的检测性能． 关键词：集成学习；支持向量机；多源性；医学图像 中图分类号：TP18 文献标识码 ：A 文章编号：1001—2400(2010)01—0136—06 Supportvectormachineensemblelearningalgorithm research basedonheterogeneousdata CHANGTian—tian ，L U Hong—wei，FENG Jun。 (1．SchoolofScience，XidianUniv．，Xi’an 710071，China； 2．SchoolofInformationSci．andTech．，NorthwestUniv．，Xi’an 710069。China) Abstract： An SVM ensemble learning algorithm based on grouped features is proposed for heterogeneousdata．ThefeatureisgroupedandtrainedwithdifferentSVM classifiers，andthenthefina1 predictlabelsareobtainedby thevoting method．The diversity componentclassifierswith higher classification performance are obtained．Experimentalresults show that，compared with traditional ensemblelearning．thismethodhasthebestperformance． KeyWords： ensemblelearning；supportvectormachine；heterogeneous；medicalimage 多源性数据在实际生活中是普遍存在的．通常数据的收集是出于不同的时期或者是不同的来源 ，也就 是说在不同的策略下采用相同的度量 ，因此就采用了不同的特征描述．通常数据收集并不是以实验过程为 目 的，或者说不是以知识发现为 目的．例如，在一个公司里面，数据分散在很多不同的部门，它们的 目标以及收 集数据的标准都是不同的．当数据分析需要将这些来 自于不同部 门的数据通过一个 电子表格整合起来的时 候，这个工作就变得很复杂． 事实上，先前并不知道数据是多源的．即使做过一定的考查分析，这类数据用传统的方法学习的时候仍 存在一定的困难．特征空间的多源性的一种特殊情形就是类别多源性 ，即决策规则可以在组