适于大规模数据集的块增量学习算法:BISVM

被引：3

作者：

王磊 ^{[1
]}

孙世新 ^{[1
]}

李杰 ^{[2
]}

杨浩淼 ^{[1
]}

机构：

[1] 电子科技大学计算机科学与工程学院

[2] 电子科技大学电子工程学院

来源：

计算机应用研究 | 2008年 / 01期

关键词：

支持向量机; 块增量算法; 大规模训练;

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：

对支持向量机的大规模训练问题进行了深入研究,提出一种类似SMO的块增量算法。该算法利用increase和decrease两个过程依次对每个输入数据块进行学习,避免了传统支持向量机学习算法在大规模数据集情况下急剧增大的计算开销。理论分析表明新算法能够收敛到近似最优解。基于KDD数据集的实验结果表明,该算法能够获得接近线性的训练速率,且泛化性能和支持向量数目与LIBSVM方法的结果接近。

引用

页码：98 / 100+113 +113

页数：4