ใช้ Adaboost กับ SVM สำหรับการจำแนกประเภท

ฉันรู้ว่าAdaboostพยายามที่จะสร้างลักษณนามที่แข็งแกร่งโดยใช้การรวมกันเชิงเส้นของชุดตัวจําแนกอ่อนแอ

แต่ผมได้อ่านเอกสารบางคนบอก AdaBoost และจำแนกการทำงานในความสามัคคี (แม้ว่า SVM เป็นลักษณนามแรง) ในเงื่อนไขบางอย่างและกรณี

ฉันไม่สามารถเข้าใจจากมุมมองสถาปัตยกรรมและการเขียนโปรแกรมว่าทำงานร่วมกันได้อย่างไร ฉันได้อ่านรายงานจำนวนมาก (อาจผิดพลาด) ซึ่งไม่ได้อธิบายอย่างชัดเจนว่าพวกเขาทำงานร่วมกันอย่างไร

บางคนสามารถแสดงให้เห็นว่าพวกเขาทำงานร่วมกันอย่างไรเพื่อการจำแนกที่มีประสิทธิภาพ? ตัวชี้ไปยังเอกสาร / บทความ / วารสารก็จะได้รับการชื่นชม

นี้กระดาษค่อนข้างดี เพียงกล่าวว่า SVM นั้นสามารถถือว่าเป็นลักษณนามอ่อนแอถ้าคุณใช้ตัวอย่างน้อยลงในการฝึกอบรม (สมมติว่าน้อยกว่าครึ่งหนึ่งของชุดฝึกอบรม) น้ำหนักที่สูงกว่าโอกาสที่จะได้รับการฝึกฝนโดย 'อ่อนแอ -MVM' มากขึ้น

แก้ไข: ลิงก์ได้รับการแก้ไขแล้ว

กระดาษAdaBoost พร้อมตัวแยกประเภทส่วนประกอบที่ใช้ SVMโดย Xuchun Li etal ยังให้สัญชาตญาณ
ในบทสรุปสั้น ๆ แต่อาจจะลำเอียง: พวกเขากำลังพยายามทำให้ตัวแยกประเภท svm "อ่อนแอ" (สูงกว่าเล็กน้อย 50%) โดยการปรับพารามิเตอร์เพื่อหลีกเลี่ยงกรณีตัวแยกประเภทหนึ่งอาจมีน้ำหนักมากเกินไปหรือตัวแยกประเภททั้งหมดยิงคล้ายกัน