支持向量机增量学习算法研究

被引：27

作者：

李凯

黄厚宽

机构：

[1] 北京交通大学计算机与信息技术学院

来源：

北方交通大学学报 | 2003年 / 05期

基金：

国家科技攻关计划;

关键词：

支持向量机; 增量学习; 期望风险; 固定划分; 过间隔;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

给出了使用多支持向量机进行增量学习的算法.传统的支持向量机不具有增量学习性能,而常用的增量学习方法各具有不同的优缺点,基于固定划分和过间隔技术,提出了使用多支持向量机进行增量学习的算法;使用此算法,针对标准数据集BUPA及用NDC生成的数据集OUTTRAIN进行了实验,结果表明,使用单一的支持向量机进行增量学习,不论采用过间隔还是固定划分技术,其增量学习的正确率不及使用多支持向量机增量学习算法的正确率.

引用

页码：34 / 37

页数：4