多值分类环境下基于SVM增量学习的用户适应性研究

• 作者: 孙正兴 彭彬彬 金翔宇
• 来源期刊: 南京大学学报(自然科学版)
• 学科: 工学
• 关键词: 用户适应 支持向量机 增量学习 在线图形识别
• 年，卷（期）: 2004,（2）
• 所属期刊栏目: 研究简报
• 页码范围: 257-266
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3321/j.issn:0469-5097.2004.02.017

摘要

用户适应问题是智能化人机接口设计中的一个重点和难点,它为人机接口的人性化、智能化和个性化提供支持.由于用户自身的特殊性,例如笔迹、口音、绘画习惯等,系统很难同时适应多个用户的使用.支持向量机(SVM)的学习方法是基于小样本的学习方法,它实现了结构风险最小化,避免了在学习过程中存在的过学习现象.增量学习能有效地利用历史训练结果,从而能在很小的时间空间代价下实现新样本的学习.基于SVM增量学习的方法,能从用户的历史数据中找到根本特性,而不会将可能造成用户冲突的、特定用户习惯的特征也记录下来,因此也就不会产生用户冲突.在在线图形识别系统中,与基于规则的用户适应方法相比,基于SVM增量学习的方法可以适应多个用户.对基于SVM的学习方法进行了分析,将其与用户适应紧密结合起来.对涉及到的3个方面进行了理论和实验上分析和对比:重复学习和增量学习;Syed等提出的和Xiao等提出的两种不同的基于SVM增量学习方法;"一对一"和"一对多"两种不同的多值分类构造方法.从而得出结论:两种增量学习方法都要明显优于重复学习;Syed等提出的增量学习方法在精度和效率都好于Xiao等提出的方法;一对一的多值分类构造方法要优于一对多的多值分类构造方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙正兴	南京大学计算机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
2	金翔宇	南京大学计算机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	7	530	6.0	7.0
3	彭彬彬	南京大学计算机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	5	83	4.0	5.0