一种快速支持向量机增量学习算法
DOI:
CSTR:
作者:
作者单位:

暨南大学珠海学院计算机科学系,广东 珠海 519070

作者简介:

孔锐

通讯作者:

中图分类号:

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    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.

    Abstract:

    参考文献
    相似文献
    引证文献
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

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2004-10-29
  • 最后修改日期:2005-02-28
  • 录用日期:
  • 在线发布日期: 2005-10-20
  • 出版日期:
文章二维码