利用KKT条件与类边界包向量的SVM增量学习算法

摘要：

为实现对历史训练数据有选择地遗忘,并尽可能少地丢失训练样本集中的有用信息,分析了KKT条件与样本分布间的关系并得出了结论,给出了增量训练中当前训练样本集的构成.为了提高SVM增量训练速度,进一步利用训练样本集的几何结构信息对当前训练样本集进行约减,用约减后的当前训练样本集进行SVM增量训练,从而提出一种利用KKT务件与类边界包向量的快速SVM增量学习算法.实验结果表明,该算法在保持较高分类精度的同时提高了SVM增量学习速度.

关键词：支持向量机、增量学习、KKT条件、包向量

所属期刊栏目：31

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目60975026;陕西省自然科学基金项目2007F19

在线出版日期：2010-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1792-1794,1798