一种SVM增量学习算法α-ISVM |
| |
引用本文: | 萧嵘,王继成,孙正兴,张福炎.一种SVM增量学习算法α-ISVM[J].软件学报,2001,12(12):1818-1824. |
| |
作者姓名: | 萧嵘 王继成 孙正兴 张福炎 |
| |
作者单位: | 南京大学计算机软件新技术国家重点实验室,江苏,南京,210093,南京大学计算机科学与技术系,江苏,南京,210093;南京大学计算机软件新技术国家重点实验室,江苏,南京,210093,南京大学计算机科学与技术系,江苏,南京,210093;南京大学计算机软件新技术国家重点实验室,江苏,南京,210093,南京大学计算机科学与技术系,江苏,南京,210093;南京大学计算机软件新技术国家重点实验室,江苏,南京,210093,南京大学计算机科学与技术系,江苏,南京,210093 |
| |
基金项目: | 国家自然科学基金资助项目(69903006,60073030);江苏省"九五"科技重点攻关资助项目(BE96017) |
| |
摘 要: | 基于SVM(support vector 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.
|
关 键 词: | 支持向量机 分类 模式识别 增量学习 机器学习 |
文章编号: | 1000-9825/2001/12(12)1818-07 |
收稿时间: | 4/4/2000 12:00:00 AM |
修稿时间: | 2000年4月4日 |
本文献已被 CNKI 维普 万方数据 等数据库收录! |
| 点击此处可从《软件学报》浏览原始摘要信息 |
|
点击此处可从《软件学报》下载全文 |
|