基于分层并行筛选样本的SVM增量学习算法

• 作者: 姜雪 武杰 王华彬 陶亮
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 支持向量机 机器学习 分类 增量学习 分层筛选
• 年，卷（期）: 2007,（11）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 92-95,102
• 页数: 5页
• 分类号: TP181
• 字数: 3917字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2007.11.027

摘要

在增量学习过程中,随着训练集规模的增大,支持向量机的学习过程需要占用大量内存,寻优速度非常缓慢.在现有的一种支持向量机增量学习算法的基础上,结合并行学习思想,提出了一种分层并行筛选训练样本的支持向量机增量学习算法.理论分析和实验结果表明:与原有的算法相比,新算法能在保证支持向量机的分类能力的前提下显著提高训练速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陶亮	安徽大学计算机科学与技术学院	108	931	17.0	25.0
2	王华彬	安徽大学计算机科学与技术学院	37	182	8.0	11.0
3	武杰	安徽大学计算机科学与技术学院	2	5	2.0	2.0
4	姜雪	安徽大学计算机科学与技术学院	4	5	2.0	2.0