一种快速支持向量机增量学习算法

一种快速支持向量机增量学习算法
孔锐;张冰
【期刊名称】《控制与决策》
【年(卷),期】2005(20)10
【摘要】经典的支持向量机(SVM)算法在求解最优分类面时需求解一个凸二次规划问题,当训练样本数量很多时,算法的速度较慢,而且一旦有新的样本加入,所有的训练样本必须重新训练,非常浪费时间.为此,提出一种新的SVM快速增量学习算法.该算法首先选择那些可能成为支持向量的边界向量,以减少参与训练的样本数目;然后进行增量学习.学习算法是一个迭代过程,无需求解优化问题.实验证明,该算法不仅能保证学习机器的精度和良好的推广能力,而且算法的学习速度比经典的SVM算法快,可以进行增量学习.
【总页数】5页(P1129-1132)
【关键词】支持向量;边界向量;增量学习;支持向量机
【作者】孔锐;张冰
【作者单位】暨南大学珠海学院计算机科学系
【正文语种】中文
【中图分类】TP181
【相关文献】
1.基于壳向量的线性支持向量机快速增量学习算法 [J], 李东晖;杜树新;吴铁军
2.快速支持向量机增量学习算法 [J], 赵耀红;王快妮;钟萍;王来生
3.一种多输出支持向量机的增量学习算法 [J], 赵耀红;钟萍;王来生
4.一种适合于增量学习的支持向量机的快速循环算法 [J], 安金龙;王正欧
5.基于活跃集迭代法的支持向量机快速增量学习算法 [J], 陶亮
因版权原因，仅展示原文概要，查看原文内容请购买。