一种新的兼类样本类增量学习算法

摘要：

提出了一种基于超椭球的兼类样本类增量学习算法.对兼有同一类别的样本,在特征空间构建一个能包围该类尽可能多样本的最小超椭球,使各类样本之间通过超椭球球面分开.增量学习过程中,对新增样本中的每一新类别构建超椭球,对新增样本中的各历史类别重新构建超椭球,使得算法在很小的空间代价下实现了兼类样本类增量学习,同时保留了与新增样本类别无关的历史类训练结果.分类过程中,根据待分类样本是否在超椭球内或隶属度来确定其所属类别.实验结果表明,该算法较超球方法具有较快的分类速度和较高的分类精度.

关键词：超椭球、兼类、增量学习、隶属度

所属期刊栏目：39

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目60974071;辽宁省教育厅重点实验室项目LS2010180;辽宁省教育厅优秀人才项目201102005

在线出版日期：2012-11-19（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：206-207,224