基于信息熵的RVM-AdaBoost组合分类器

来源：计算机工程与应用杂志2018年第5期北京时间：

作者：翟夕阳，王晓丹，李 睿，贾 琪

单位：空军工程大学 防空反导学院，西安 710051

摘要：针对AdaBoost算法不能有效提高RVM分类性能的问题，提出一种基于信息熵的RVM与AdaBoost组合分类器。依据RVM输出的后验概率来定义样本的信息熵，信息熵越高的样本越容易错分。提出使用自适应信息熵阈值对数据进行筛选，筛选出的数据使用基于AdaBoost算法的集成分类器进行分类，样本的分类结果由RVM与集成分类器组合给出。把未筛选出且分类错误的极少样本作为噪声对待，增强了组合分类器的稳定性，避免了随着AdaBoost算法迭代次数增加集成分类器出现退化的现象。使用UCI数据集从分类正确率、分类效率和稳定性三方面对提出的组合分类器进行验证，实验结果表明了此分类器的有效性。

关键词：相关向量机,AdaBoost算法,信息熵,集成学习