分類のためのSVMでのAdaboostの使用

Adaboostが一連の​​弱い分類子の線形結合を使用して強い分類子を生成しようとしていることを知っています。

ただし、特定の状況や状況で AdaboostとSVMが協調して機能することを示唆するいくつかの論文を読んだことがあります（SVMは強力な分類子ですが）。

アーキテクチャとプログラミングの観点から、それらがどのように組み合わさって機能するかを理解することはできません。私は多くの論文（たぶん間違ったもの）を読みましたが、それらがどのように連携するかを明確に説明していませんでした。

誰かが効果的な分類のために組み合わせてどのように機能するかについていくつかの光を投げることができますか？いくつかの論文/記事/ジャーナルへのポインタもいただければ幸いです。

この紙はかなり良いです。これは、SVMをトレーニングするために使用するサンプルが少ない場合、SVMを弱分類器として扱うことができると単純に言います（トレーニングセットの半分未満としましょう）。重みが高いほど、「弱いSVM」によってトレーニングされる可能性が高くなります。

編集：リンクを修正しました。

Xuchun Li etalによるSVMベースのコンポーネント分類器を使用したペーパーAdaBoostも直感的です。
短いがおそらく偏った要約で：1つの分類器の重みが大きすぎる場合や、すべての分類器が同様に起動する場合を回避するためにパラメーターを調整することにより、SVM分類器を「弱く」（50％を少し超える）しようとしています。