改进的在线支持向量机训练算法

被引:7
作者
潘以桢
胡越明
机构
[1] 上海交通大学计算机科学与工程系
关键词
污染预测; 支持向量机; 在线学习; 增量式学习;
D O I
暂无
中图分类号
TP181 [自动推理、机器学习];
学科分类号
摘要
传统支持向量机基于批量训练方法,无法适应环境污染预测中的海量数据与实时性要求。在分析研究一种典型的在线支持向量机回归算法[4]的基础上,指出原算法在训练过程中存在样本重复移动问题,导致模型训练速度下降。提出一种改进算法,消除重复移动问题。实验结果表明,该改进在线支持向量机算法建模精度高,训练速度较原算法有显著提高。
引用
收藏
页码:212 / 215
页数:4
相关论文
共 2 条
[1]   中国重点城市空气污染预报及其进展 [J].
佟彦超 .
中国环境监测, 2006, (02) :69-71
[2]   城市大气污染物浓度预测方法研究 [J].
刘永 ;
郭怀成 .
安全与环境学报, 2004, (04) :60-62