改进的SVDD增量学习算法

摘要：

通过对SVDD增量学习中原样本和新增样本的特性分析,提出一种改进的SVDD增量学习算法.在增量学习过程中,该算法选取原样本的支持向量集和非支持向量中可能转为支持向量的样本集以及新增样本中违反KKT条件的样本作为训练样本集,舍弃对最终分类无用的样本.实验结果表明,该算法在保证分类精度的同时减少了训练时间.

关键词：支持向量数据描述、KKT条件、支持向量、增量学习

所属期刊栏目：35

分类号：TP181(自动化基础理论)

资助基金：盐城工学院重点学科建设基金资助项目XKY2007065

在线出版日期：2010-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：210-211,215