基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
分别介绍了支持向量机的增量学习和减量学习的两种训练方法,即在线递归训练法和最小二乘支持向量机.递归法只能处理在线(每次只处理一个样本)增量学习或减量学习,而最小二乘法即可处理在线又可处理成批增量学习或减量学习.递归法得到的解是精确的但是以时间为代价的,最小二乘法花费的时间少,但得到的解不如递归法的精确.并通过标准模式分类库中数据集进行数值试验比较.
推荐文章
基于支持向量机的增量学习算法
结构风险最小化
支持向量
增量学习
支持向量机增量学习方法及应用
支持向量机
增量学习
学习精度
学习速度
基于云模型的最接近支持向量机增量学习方法
支持向量机
云模型
分类
增量学习
支持向量机增量学习算法研究
支持向量机
增量学习
期望风险
固定划分
过间隔
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 支持向量机的增量学习和减量学习
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 增量学习 减量学习 最小二乘法
年,卷(期) 2006,(z1) 所属期刊栏目 机器学习与数据挖掘
研究方向 页码范围 415-421
页数 7页 分类号 TP18
字数 3928字 语种 中文
DOI 10.3969/j.issn.1006-7043.2006.z1.088
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 贺国平 山东科技大学信息学院 62 225 7.0 11.0
2 段华 上海交通大学数学系 34 197 8.0 12.0
6 侯伟真 山东科技大学信息学院 3 26 3.0 3.0
7 廉文娟 山东科技大学信息学院 11 86 5.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (10)
同被引文献  (17)
二级引证文献  (9)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(4)
  • 引证文献(4)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(2)
  • 引证文献(0)
  • 二级引证文献(2)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2016(3)
  • 引证文献(1)
  • 二级引证文献(2)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
支持向量机
增量学习
减量学习
最小二乘法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
哈尔滨工程大学学报
月刊
1006-7043
23-1390/U
大16开
哈尔滨市南岗区南通大街145号1号楼
14-111
1980
chi
出版文献量(篇)
5623
总下载数(次)
16
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导