Menggunakan Adaboost dengan SVM untuk klasifikasi

Saya tahu bahwa Adaboost mencoba menghasilkan classifier yang kuat menggunakan kombinasi linear dari serangkaian classifier yang lemah.

Namun, saya telah membaca beberapa makalah yang menyarankan Adaboost dan SVM bekerja secara harmonis (meskipun SVM adalah penggolong yang kuat) dalam kondisi dan kasus tertentu .

Saya tidak dapat memahami dari perspektif arsitektur dan pemrograman bagaimana mereka bekerja dalam kombinasi. Saya telah membaca banyak makalah (mungkin yang salah) yang tidak menjelaskan dengan jelas bagaimana mereka bekerja bersama.

Adakah yang bisa menjelaskan bagaimana mereka bekerja dalam kombinasi untuk klasifikasi yang efektif? Pointer ke beberapa makalah / artikel / jurnal juga akan dihargai.

Ini kertas cukup baik. Ini hanya mengatakan bahwa SVM dapat diperlakukan sebagai penggolong lemah jika Anda menggunakan lebih sedikit sampel untuk melatihnya (misalkan kurang dari setengah dari set pelatihan). Semakin tinggi bobot, semakin besar peluangnya dilatih oleh 'lemah-SVM'

edit: tautan diperbaiki sekarang.

Makalah AdaBoost dengan pengklasifikasi komponen berbasis SVM oleh Xuchun Li etal juga memberikan intuisi.
Dalam ringkasan pendek tapi mungkin bias: mereka mencoba membuat pengklasifikasi svm "lemah" (sedikit lebih dari 50%) dengan menyetel parameter untuk menghindari kasus-kasus yang satu pengklasifikasi mungkin memiliki terlalu banyak bobot atau semua pengklasifikasi menyala dengan cara yang sama.