TRA:改进的SVM增量学习淘汰算法
介绍了支持向量机,报告了支持向量机增量学习算法的研究现状,分析了支持向量集在加入新样本后支持向量和非支持向量的转化情况.针对淘汰机制效率不高的问题,提出了一种改进的SVM增量学习淘汰算法--二次淘汰算法.该算法经过两次有效的淘汰,对分类无用的样本进行舍弃,使得新的增量训练在淘汰后的有效数据集进行,而无需在复杂难处理的整个训练数据集中进行,从而显著减少了后继训练时间.理论分析和实验结果表明,该算法能在保证分类精度的同时有效地提高训练速度.
分类、支持向量机、KKT条件、增量学习、淘汰机制
31
TP391(计算技术、计算机技术)
国家自然科学基金项目60773100;河北省教育厅科研计划基金项目2006143
2010-04-13(万方平台首次上网日期,不代表论文的发表时间)
共4页
609-611,679