基于支持向量机的增量学习算法研究

• 作者: 张健沛 李忠伟 杨静
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 支持向量机 支持向量 增量学习 分类
• 年，卷（期）: 2005,（5）
• 页码范围: 643-646
• 页数: 4页
• 分类号: TP391.4
• 字数: 3082字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-7043.2005.05.017

摘要

分析了支持向量机理论中支持向量的特性,利用支持向量与样本空间划分的等价性,提出一种新的基于支持向量机的增量学习算法.该算法考虑新增样本集的分布可能改变对已有样本的分类结果,利用支持向量的分布特性,用对样本的划分差集构造新的支持向量集和分类平面,使差集中的样本点对分类贡献尽可能最大,有效提高了分类精度.同时差集操作简单易行,有效降低了问题的计算复杂度.实验结果表明,与常规增量算法相比,该算法在不改变时间复杂度量级的前提下对分类精度有显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健沛	哈尔滨工程大学计算机科学与技术学院	156	1356	19.0	28.0
2	杨静	哈尔滨工程大学计算机科学与技术学院	178	2073	24.0	37.0
3	李忠伟	哈尔滨工程大学计算机科学与技术学院	6	52	3.0	6.0