%0 Journal Article %T 一种快速支持向量机增量学习算法 %A 孔锐;张冰 %J 控制与决策 %J Control and Decision %@ 1001-0920 %V 20 %N 10 %D 2005 %P 1129-1132 %K

支持向量;边界向量;增量学习;支持向量机

%K %X

经典的支持向量机(SVM)算法在求解最优分类面时需求解一个凸二次规划问题,当训练样本数量很多时,算法的速度较慢,而且一旦有新的样本加入,所有的训练样本必须重新训练,非常浪费时间.为此,提出一种新的SVM快速增量学习算法.该算法首先选择那些可能成为支持向量的边界向量,以减少参与训练的样本数目;然后进行增量学习.学习算法是一个迭代过程,无需求解优化问题.实验证明,该算法不仅能保证学习机器的精度和良好的推广能力,而且算法的学习速度比经典的SVM算法快,可以进行增量学习.

%X %R %U http://kzyjc.alljournals.cn/kzyjc/home %1 JIS Version 3.0.0