10.3969/j.issn.1001-3695.2011.05.026
基于云模型的最接近支持向量机增量学习方法
针对经典支持向量机在增量学习中的不足,提出一种基于云模型的最接近支持向量机增量学习算法.该方法利用最接近支持向量机的快速学习能力生成初始分类超平面,并与k-近邻法对全部训练集进行约简,在得到的较小规模的精简集上构建云模型分类器直接进行分类判断.该算法模型简单,无须迭代求解,时间复杂度较小,有较好的抗噪性,能较好地体现新增样本的分布规律.仿真实验表明,本算法能够保持较好的分类精度和推广能力,运算速度较快.
支持向量机、云模型、分类、增量学习
28
TP181(自动化基础理论)
国家自然科学基金资助项目60974126,60974050;江苏省自然科学基金资助项目BK2009094
2011-09-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
1685-1687,1691