基于SVM的信息融合新方法

• 作者: 吉根林 彭志娟 程学云
• 来源期刊: 计算机应用研究
• 关键词: 支持向量机 信息融合 增量学习
• 年，卷（期）: 2007,（12）
• 所属期刊栏目: 研究探讨
• 页码范围: 51-53
• 页数: 3页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2007.12.013

摘要

利用SVM对大规模数据进行训练时,需要占用很大的内存空间,甚至会因内存不够而无法训练.为此,提出了将大规模数据分块求解,然后将分块求解的结果进行信息融合的新方法.首先训练得到各模块的支持向量,将所有支持向量进行融合,得到决策模型和一组支持向量.当有新的数据加入时,将其作为一个子模块,训练得到该模块的支持向量,与原模型中获得的支持向量进行融合,训练得到新的决策模型.利用KDD CUP99数据进行实验,结果表明该方法的测试精度与在所有数据集上训练的精度相当,花费时间少,适用于增量学习.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程学云	南京师范大学数学与计算机科学学院	49	115	5.0	7.0
3	彭志娟	南通大学计算机科学与技术学院	24	93	6.0	8.0
4	吉根林	南京师范大学数学与计算机科学学院	138	2757	22.0	50.0