基于多支持向量机分类器的增量学习算法研究

被引：8

作者：

杨静

张健沛

刘大昕

机构：

[1] 哈尔滨工程大学计算机科学与技术学院

来源：

基金：

黑龙江省自然科学基金;

关键词：

多支持向量机分类器; 支持向量; 增量学习; 平均距离;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了将一般增量学习算法扩展到并行计算环境中,提出一种基于多支持向量机分类器的增量学习算法.该算法根据多分类器对新增样本集的分类结果,以样本到分类超平面的平均距离为条件重新构造支持向量集更新分类器,直到所有分类器的分类精度满足指定阈值.实验结果表明了该算法的可行性和正确性.

引用

页码：103 / 106

页数：4