一种SVM增量学习算法α-ISVM

被引：80

作者：

萧嵘

王继成

孙正兴

张福炎

机构：

[1] 南京大学计算机软件新技术国家重点实验室

[2] 南京大学计算机科学与技术系

来源：

软件学报 | 2001年 / 12期

关键词：

支持向量机; 分类; 模式识别; 增量学习; 机器学习;

D O I：

10.13328/j.cnki.jos.2001.12.011

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

基于 SVM(supportvector machine)理论的分类算法 ,由于其完善的理论基础和良好的试验结果 ,目前已逐渐引起国内外研究者的关注 .深入分析了 SVM理论中 SV(support vector,支持向量 )集的特点 ,给出一种简单的SVM增量学习算法 .在此基础上 ,进一步提出了一种基于遗忘因子α的 SVM增量学习改进算法α- ISVM.该算法通过在增量学习中逐步积累样本的空间分布知识 ,使得对样本进行有选择地遗忘成为可能 .理论分析和实验结果表明 ,该算法能在保证分类精度的同时 ,有效地提高训练速度并降低存储空间的占用 .

引用

页码：1818 / 1824

页数：7