一种SVM增量学习算法

• 作者: 孙正兴 张福炎 王继成 萧嵘
• 来源期刊: 南京大学学报(自然科学版)
• 学科: 工学
• 关键词: 支持向量机 分类 增量学习 机器学习
• 年，卷（期）: 2002,（2）
• 页码范围: 152-157
• 页数: 6页
• 分类号: TP18
• 字数: 4081字
• 语种: 中文
• DOI: 10.3321/j.issn:0469-5097.2002.02.004

摘要

分析了SVM理论中SV(支持向量)集的特点,给出一种SVM增量学习算法通过在增量学习中使用SV集与训练样本集的分类等价性,使得新的增量训练无需在整个训练样本空间进行.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.

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	南京大学软件新技术国家重点实验室南京大学计算机科学与技术系	25	2415	18.0	25.0
2	张福炎	南京大学软件新技术国家重点实验室南京大学计算机科学与技术系	111	3898	30.0	61.0
3	萧嵘	南京大学软件新技术国家重点实验室南京大学计算机科学与技术系	6	802	5.0	6.0
4	孙正兴	南京大学软件新技术国家重点实验室南京大学计算机科学与技术系	85	2299	21.0	46.0