一种改进的渐进直推式支持向量机分类学习算法

摘要：

基于支持向量机的直推式学习是统计学习理论中一个较新的研究领域.较之传统的归纳式学习方法而言,直推式学习往往更具有普遍性和实际意义.针对渐进直推式支持向量机学习算法存在的缺陷,提出了一种改进算法.该算法利用区域标注法取代前者的成对标注法,在继承了其渐进赋值和动态调整的规则的同时,提高了算法的速度;根据每个无标签样本的标注可信度自适应地对其赋予不同的影响因子,从而控制训练误差的传递和积累,提高了算法的性能.雷达实测数据实验结果表明该算法是有效的.

关键词：统计学习理论(SLT)、直推式支持向量机(TSVM)、直推式学习、区域标注法、标注可信度

所属期刊栏目：24

分类号：TP3;TP1

资助基金：国防预研基金资助课题41303040203

在线出版日期：2008-07-14（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：213-218