Sử dụng Adaboost với SVM để phân loại

Tôi biết rằng Adaboost cố gắng tạo một bộ phân loại mạnh bằng cách sử dụng kết hợp tuyến tính của một bộ phân loại yếu.

Tuy nhiên, tôi đã đọc một số bài báo cho thấy Adaboost và SVM hoạt động hài hòa (mặc dù SVM là một phân loại mạnh) trong một số điều kiện và trường hợp nhất định .

Tôi không thể nắm bắt từ góc độ kiến ​​trúc và lập trình cách chúng hoạt động kết hợp. Tôi đã đọc nhiều bài báo (có thể là sai) mà không giải thích rõ ràng cách họ làm việc cùng nhau.

Ai đó có thể đưa ra ánh sáng về cách họ làm việc kết hợp để phân loại hiệu quả? Con trỏ đến một số bài báo / bài báo / tạp chí cũng sẽ được đánh giá cao.

Bài viết này khá tốt. Nó chỉ đơn giản nói rằng SVM có thể được coi là phân loại yếu nếu bạn sử dụng ít mẫu hơn để huấn luyện nó (giả sử ít hơn một nửa tập huấn luyện). Trọng lượng càng cao thì càng có nhiều cơ hội được đào tạo bởi 'SVM yếu'

chỉnh sửa: liên kết cố định ngay bây giờ.

Bài báo AdaBoost với các bộ phân loại thành phần dựa trên SVM của Xuchun Li etal cũng đưa ra một trực giác.
Tóm lại nhưng có thể sai lệch: họ đang cố gắng làm cho các trình phân loại svm "yếu" (hơn 50%) bằng cách điều chỉnh các tham số để tránh các trường hợp một trình phân loại có thể có quá nhiều trọng lượng hoặc tất cả các trình phân loại đều bắn tương tự.