基于Fisher向量投影的支持向量机增量算法

摘要：

针对支持向量机训练样本冗余导致训练效率低下的问题,提出一种基于Fisher向量投影的支持向量机增量算法.该算法根据支持向量机中支持向量的分布特性对初始训练集及增量集进行预处理,减少训练样本个数;通过判断初始样本是否满足新增样本集的卡罗需-库恩-塔克(Karush-Kuhn-Tucker conditions,KKT)条件,剔除对最终结果无用的样本,减少参与训练的样本数目.实验结果表明,与标准支持向量机算法和基于向量投影的支持向量机增量算法相比,基于Fisher向量投影的支持向量机增量算法的训练速度分别提升了86％和33％左右.该方法可用于大规模样本集的分类识别问题.

关键词：支持向量机、增量算法、Fisher判别、KKT条件

所属期刊栏目：23

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目61472307;陕西省自然科学基金资助项目2016JM6004;陕西省教育厅专项科学研究计划项目17JK0713;西安邮电大学科技新星团队项目

在线出版日期：2018-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：79-84