增量式最小二乘法分类器与增量式支持向量机的对比
在处理大规模数据时,近似支持向量机及其增量式版本(ISVM)是一种比传统支持向量机更加简单而有效的分类器.但在处理高维数据时,由于ISVM通过计算矩阵的逆来更新模型参数,这使得其计算效果有待提高.针对上述问题,本文提出了基于最小二乘法的增量式方法.该增量式方法通过对矩阵运算的恒等推导,把矩阵求逆问题转变成了除法运算,得到了简单的模型参数更新公式,从而获得了和ISVM同样的预测精度,且在处理高维数据时运行效率更高.在合成数据及图像和生物数据上的试验表明该增量式方法优于ISVM方法.
监督学习、增量式学习、增量式近似支持向量机、高维、增量式最小二乘法
32
TPL8;TP301
国家"九七三"重点基础研究发展计划项目2010CB327906;国家自然科学基金项目60873178,60875003;上海市研究与发展基金项目08511500902
2012-03-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
493-498