10.3785/j.issn.1008-973X.2006.02.005
基于壳向量的线性支持向量机快速增量学习算法
提出了一种新的基于壳向量的增量式支持向量机快速学习算法.在增量学习的过程中,利用训练样本集中的几何信息,在样本中选取一部分最有可能成为支持向量的样本--壳向量,它是支持向量集的一个规模较小的扩展集,将其作为新的训练样本集,再进行支持向量训练.这在很大程度上减少了求取支持向量过程中的二次优化运算时间,使增量学习的训练速度大为提高.与单纯使用支持向量代表样本数据集合进行增量学习的传统算法相比,使用该算法使分类精度得到了提高.针对肝功能检测标准数据集(BUPA)的实验验证了该算法的有效性.
增量算法、支持向量机、壳向量
40
TP181(自动化基础理论)
国家科技攻关项目2002AA412010
2006-04-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
202-206,215