回归最小二乘支持向量机的增量和在线式学习算法

被引:111
作者
张浩然
汪晓东
机构
[1] 浙江师范大学信息科学与工程学院
基金
浙江省自然科学基金;
关键词
结构风险最小化; 最小二乘支持向量机; 在线学习;
D O I
暂无
中图分类号
TP181 [自动推理、机器学习];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
首先给出回归最小二乘支持向量机的数学模型,并分析了它的性质,然后在此基础上根据分块矩阵计算公式和核函数矩阵本身的特点设计了支持向量机的增量式学习算法和在线学习算法.该算法能充分利用历史的训练结果,减少存储空间和计算时间.仿真实验表明了这两种学习方法的有效性.
引用
收藏
页码:400 / 406
页数:7
相关论文
共 3 条
[1]  
线性模型参数估计及其改进[M]. 国防科技大学出版社 , 张金槐编著, 1992
[2]   Gene Selection for Cancer Classification using Support Vector Machines [J].
Isabelle Guyon ;
Jason Weston ;
Stephen Barnhill ;
Vladimir Vapnik .
Machine Learning, 2002, 46 :389-422
[3]   Least squares support vector machine classifiers [J].
Suykens, JAK ;
Vandewalle, J .
NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300