基于支持向量机的增量学习算法研究

被引：10

作者：

李忠伟

张健沛

杨静

机构：

[1] 哈尔滨工程大学计算机科学与技术学院

来源：

哈尔滨工程大学学报 | 2005年 / 05期

基金：

黑龙江省自然科学基金;

关键词：

支持向量机; 支持向量; 增量学习; 分类;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

分析了支持向量机理论中支持向量的特性,利用支持向量与样本空间划分的等价性,提出一种新的基于支持向量机的增量学习算法.该算法考虑新增样本集的分布可能改变对已有样本的分类结果,利用支持向量的分布特性,用对样本的划分差集构造新的支持向量集和分类平面,使差集中的样本点对分类贡献尽可能最大,有效提高了分类精度.同时差集操作简单易行,有效降低了问题的计算复杂度.实验结果表明,与常规增量算法相比,该算法在不改变时间复杂度量级的前提下对分类精度有显著提高.

引用

页码：87 / 90

页数：4