분류를 위해 SVM과 함께 Adaboost 사용

Adaboost 는 일련의 약한 분류기의 선형 조합을 사용하여 강력한 분류기를 생성하려고 시도 한다는 것을 알고 있습니다.

그러나 특정 조건 및 사례 에서 Adaboost와 SVM이 (SVM이 강력한 분류기 임에도 불구하고) 조화롭게 작동한다고 제안하는 논문을 읽었습니다 .

건축 및 프로그래밍 관점에서 그것들이 어떻게 작동하는지 파악할 수 없습니다. 나는 그들이 함께 어떻게 작동하는지 명확하게 설명하지 않은 많은 논문 (아마도 잘못된 논문)을 읽었습니다.

효과적인 분류를 위해 조합하여 어떻게 작동하는지에 대해 누군가가 밝힐 수 있습니까? 일부 논문 / 기사 / 저널에 대한 포인터도 감사하겠습니다.

이 논문 은 아주 좋습니다. 단지 적은 수의 샘플을 사용하여 훈련하면 SVM을 약한 분류기로 취급 할 수 있다고 말합니다 (훈련 세트의 절반 미만이라고합시다). 가중치가 높을수록 'weak-SVM'에 의해 학습 될 확률이 높아집니다.

편집 : 링크가 수정되었습니다.

Xuchun Li etal의 SVM 기반 구성 요소 분류 기가 포함 된 AdaBoost 백서 도 직관을 제공합니다.
짧지 만 편향 된 요약으로 : 그들은 하나의 분류자가 너무 많은 무게를 가질 수 있거나 모든 분류자가 유사하게 발생하는 경우를 피하기 위해 매개 변수를 조정하여 svm 분류기를 "약하게"(약 50 % 이상) 만들려고합니다.