一种基于组合保留集的SVM增量学习算法

一种基于组合保留集的SVM增量学习算法
李妍坊;苏波;刘功申
【期刊名称】《上海交通大学学报》
【年(卷),期】2016(50)7
【摘要】传统的支持向量机(Support Vector Machine,SVM)分类算法不具有增量学习能力,为了减少新增样本加入后重新训练的时间并能适应海量数据的准确分类,提出了一种基于组合保留集的SVM增量学习算法.该算法以构建保留集为基础,采用缩放平移选择法选择样本,且利用了组合保留的思想,对原训练集样本和增量样本集中满足KKT(Karush-Kuhn-Tucker)条件的样本分别进行部分保留,并赋予样本权重,再依据权重挑选部分保留样本与原支持向量集和增量样本中违背KKT条件的样本合并进行训练,从而实现原有样本知识的积累和新样本知识的学习.实验结果表明,该算法在加快分类速度的同时提高了分类精度.
【总页数】6页(P1054-1059)
【关键词】支持向量机;增量学习;保留集;样本距离
【作者】李妍坊;苏波;刘功申
【作者单位】上海交通大学电子信息与电气工程学院
【正文语种】中文
【中图分类】TP181
【相关文献】
1.一种基于KKT条件和壳向量的SVM增量学习算法 [J], 茅嫣蕾;魏赟;贾佳
2.一种基于局部敏感哈希的SVM快速增量学习算法 [J], 姚明海;林宣民;王宪保
3.一种新的基于KKT条件的错误驱动SVM增量学习算法 [J], 张灿淋;姚明海;童小龙;张何栋
4.一种新的基于SVM的文本分类增量学习算法 [J], 曹建芳;王鸿斌
5.一种基于壳向量的SVM快速增量学习算法 [J], 於俊;周维
因版权原因，仅展示原文概要，查看原文内容请购买。