一种SVM增量学习算法α-ISVM

• 作者: 孙正兴 张福炎 王继成 萧嵘
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 支持向量机 分类 模式识别 增量学习 机器学习
• 年，卷（期）: 2001,（12）
• 页码范围: 1818-1824
• 页数: 7页
• 分类号: TP18
• 字数: 5323字
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王继成		25	2415	18.0	25.0
2	张福炎		111	3898	30.0	61.0
3	萧嵘		6	802	5.0	6.0
4	孙正兴		85	2299	21.0	46.0