基于SVM多类分类集成.pdf

( ) 华 东 理 工 大 学 学 报 自然 科 学 版 Vol . 34 No . 5 734 　　　　　　 ( ) J ournal of Ea st China U niver sit y of Science and Technology Nat ural Science Edition 200810 　　文章编号 (2008) 基于 SVM 的多类分类集成 1 ,2 1 1 张红梅 , 　高海华 , 　王行愚 ( 1. 华东理工大学信息科学与工程学院 ,上海 200237 ; 2 . 桂林电子科技大学信息与通信学院 ,广西 桂林 54 1004) 　　摘要 :为了解决单个 SV M 可能产生的泛化能力恶化问题以及当 SV M 采用一对多组合策略解 决多类分类时可能产生的误差无界情况 ,本文采用 Bagging 方法构造了一个基于 SV M 的多类分 类集成模型 ,利用 M I T KDD 99 数据集进行仿真实验 ,通过实验探讨了其中的两个参数 ———训练 样本数和单分类器个数对集成学习效果的影响 ,并将其与采用全部样本进行训练及部分样本进行 训练的单分类器检测进行了比较 。结果表明:集成学习算法能够有效降低采用全部样本进行训练 所带来的计算复杂性 ,提高检测精度 ,而且也能够避免基于采样学习带来检测的不稳定性和低精 度 。 ( ) 关键词 : SV M 集成 ; 多类分类 ; Bagging 自助聚集 ; 入侵检测 中图分类号 : TP393 文献标识码 :A SVM Based Multiclass Classif ication Ensemble Z H A N G H ongm ei 1, 2 , 　GA O H aih u a1 , 　WA N G X i ngy u 1 ( 1. S chool of I nf orm at ion S cience an d E ng i nee ri ng , E as t Chi na Uni v ers i ty of S cience an d Tech nol og y , S h ang h ai 200237 , Chi n a; 2 . S chool of I nf orm at ion an d Com m unicat ion , Gui l i n Uni v ers i ty of ) E lect ronic Tech nol og y , Gui l i n