基于KKT条件与壳向量的增量学习算法研究

摘要：

针对经典支持向量机难以快速有效地进行增量学习的缺点,提出了基于KKT条件与壳向量的增量学习算法,该算法首先选择包含所有支持向量的壳向量,利用KKT条件淘汰新增样本中无用样本,减小参与训练的样本数目,然后在新的训练集中快速训练支持向量机进行增量学习.将该算法应用于UCI数据集和电路板故障分类识别,实验结果表明,该算法不仅能保证学习机器的精度和良好的推广能力,而且其学习速度比经典的SMO算法快,可以进行增量学习.

关键词：机器学习、支持向量机、增量学习、KKT条件、壳向量

所属期刊栏目：40

分类号：TP391;TN95(计算技术、计算机技术)

资助基金：国防预研基金项目9140A27020211JB3402

在线出版日期：2013-04-16（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：255-258