有新样本加入的支持向量机的学习策略

• 作者: 刘叶青 罗艾花 谷明涛
• 来源期刊: 河南科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机(SVM) KKT条件 分类 新样本
• 年，卷（期）: 2007,（5）
• 所属期刊栏目: 数理科学
• 页码范围: 70-72
• 页数: 3页
• 分类号: TP18
• 字数: 2975字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-6871.2007.05.021

摘要

在支持向量机的学习过程中,有些情况下训练样本不能一次全部给出,这样当有新样本加入训练集时,支持向量集和训练样本集的等价关系将被打破.为了解决这个问题,本文提出了有新样本加入的支持向量机的学习策略.通过对新样本的分析,选出能代替原样本和新样本进行学习的样本,并给出这些样本应满足的条件,最后给出了相应的学习策略.对标准数据集的实验表明,本学习策略可以在新增样本增加后,有效压缩样本集的大小,提高分类的速度,舍弃无用的样本,同时保证了分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘叶青	河南科技大学理学院	19	93	6.0	9.0
2	罗艾花	中南民族大学计算机学院	9	13	2.0	3.0