机器学习,模式分类,支持向量机,增量式算法," /> 基于支持向量机的增量式算法" /> 基于支持向量机的增量式算法" /> 机器学习,模式分类,支持向量机,增量式算法,"/>
为了扩展支持向量机在大规模数据集和成批出现数据领域的应用,提出了一种基于支持向量机的增量式学习算法.利用标准的支持向量机算法训练得到初始的目标概念,通过增量式步骤不断更新初始的目标概念.更新模型是求解一个与标准支持向量机具有类似的数学形式的凸二次规划问题.证明了在可分情况下,如果新增加的样本不是位于边界区,那么增量式过程既不会改变分类平面也不会改变分类平面的表达.与现有的增量式支持向量机算法相比,该算法无需额外计算就可实现增量式的逆过程并且训练时间与增量式步骤数成反比.实验结果表明,该算法满足稳定性、能够不断改进性能以及性能回复三个准则.
宁波市自然科学基金资助项目(2008A610026);浙江大学宁波理工学院青年基金资助项目(1141147G601).
黄启春 刘仰光 何钦铭. 基于支持向量机的增量式算法[J]. J4, 2008, 42(12): 2121-2126.
HUANG Qi-Chun, LIU Ang-Guang, HE Qin-Ming. . J4, 2008, 42(12): 2121-2126.
http://www.zjujournals.com/xueshu/eng/CN/ 或 http://www.zjujournals.com/xueshu/eng/CN/Y2008/V42/I12/2121
Cited