一种快速支持向量机增量学习算法

被引：29

作者：

孔锐

张冰

不详

机构：

[1] 暨南大学珠海学院计算机科学系

[2] 暨南大学珠海学院计算机科学系广东珠海

[3] 广东珠海

来源：

控制与决策 | 2005年 / 10期

关键词：

支持向量; 边界向量; 增量学习; 支持向量机;

D O I：

10.13195/j.cd.2005.10.51.kongr.010

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

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.

引用

页码：1129 / 1132+1136 +1136

页数：5