适用于智能传感器系统的SVM集成研究

被引：2

作者：

卞桂龙 ^{[1
]}

丁毅 ^{[2
]}

沈海斌 ^{[1
]}

机构：

[1] 浙江大学超大规模集成电路设计研究所

[2] 西湖电子集团有限公司

来源：

传感器与微系统 | 2014年 / 08期

关键词：

传感器; 支持向量机; 壳向量; Learn++算法; 增量学习;

D O I：

暂无

中图分类号：

TP212 [发送器（变换器）、传感器]; TP18 [人工智能理论];

学科分类号：

140102 [集成电路设计与设计自动化]; 140502 [人工智能];

摘要：

以支持向量机(SVM)为代表的人工智能技术在智能传感器系统中得到了广泛的应用,但传统的SVM有"灾难性遗忘"现象,即会遗忘以前学过的知识,并且不能增量学习新的数据,这已无法满足智能传感器系统实时性的要求。而Learn++算法能够增量地学习新来的数据,即使新来数据属于新的类,也不会遗忘已经学习到的旧知识。为了解决上述问题,提出了一种基于壳向量算法的Learn++集成方法。实验结果表明:该算法不但具有增量学习的能力,而且在保证分类精度的同时,提高了训练速度,减小了存储规模,可以满足当下智能传感器系统在线学习的需求。

引用

页码：44 / 47+51 +51

页数：5

共 12 条

[1]

基于类边界壳向量的快速SVM增量学习算法 [J].