支持向量机增量学习算法研究

• 作者: 李凯 黄厚宽
• 来源期刊: 北方交通大学学报
• 学科: 工学
• 关键词: 支持向量机 增量学习 期望风险 固定划分 过间隔
• 年，卷（期）: 2003,（5）
• 所属期刊栏目: 计算机与信息处理
• 页码范围: 34-37
• 页数: 4页
• 分类号: TP18
• 字数: 3184字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-0291.2003.05.008

摘要

给出了使用多支持向量机进行增量学习的算法.传统的支持向量机不具有增量学习性能,而常用的增量学习方法各具有不同的优缺点,基于固定划分和过间隔技术,提出了使用多支持向量机进行增量学习的算法;使用此算法,针对标准数据集BUPA及用NDC生成的数据集OUTTRAIN进行了实验,结果表明,使用单一的支持向量机进行增量学习,不论采用过间隔还是固定划分技术,其增量学习的正确率不及使用多支持向量机增量学习算法的正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄厚宽	北京交通大学计算机与信息技术学院	139	2476	26.0	44.0
2	李凯	北京交通大学计算机与信息技术学院	11	233	7.0	11.0