增量支持向量机核函数的优化
支持向量机的核函数类型分为两类:局部核函数和全局核函数.局部核函数的值只受到相距很近数据点的影响,有很好的学习能力.全局核函数的值会受到距离较远数据点的影响,有很好的推广泛化能力.针对局部核函数学习能力良好但泛化能力差的缺点,提出一种结合局部核函数和全局核函数构造新联合函数的方法.实验结果表明,与局部核函数和全局核函数相比,新联合核函数有更好的预测能力,并且能够适应增量学习的过程.
支持向量机、增量学习、全局核函数、局部核函数、联合核函数
26
TP3;TP2
2017-09-18(万方平台首次上网日期,不代表论文的发表时间)
共4页
284-287