引用本文:孔锐;张冰.一种快速支持向量机增量学习算法[J].控制与决策,2005,20(10):1129-1132
【打印本页】   【HTML】   【下载PDF全文】   查看/发表评论  【EndNote】   【RefMan】   【BibTex】 附件
←前一篇|后一篇→ 过刊浏览    高级检索
本文已被:浏览 1959次   下载 3848 本文二维码信息
码上扫一扫!
分享到: 微信 更多
一种快速支持向量机增量学习算法
孔锐;张冰
暨南大学珠海学院计算机科学系,广东 珠海 519070
摘要:

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.

关键词:  

支持向量  边界向量  增量学习  支持向量机

DOI:
分类号:
基金项目:
Abstract:
Key words:  

用微信扫一扫

用微信扫一扫