改进的球结构SVM多分类增量学习算法

• 作者: 杨静 谢志强 高丽
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 多分类 SVM 球结构 增量学习
• 年，卷（期）: 2009,（9）
• 页码范围: 1041-1046
• 页数: 6页
• 分类号: TP391
• 字数: 5938字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-7043.2009.09.013

摘要

针对球结构支持向量机(support vector machine,SVM)增量学习算法在训练时间和分类精度上的不足,提出了一种改进的球结构SVM多分类增量学习算法.该算法首先构造一个完全二叉树用于多类分类;分析新增样本的加入对原支持向量集的影响,将新增样本集中部分样本和原始训练集中的支持向量以及分布在球体一定范围内的样本合并做为新的训练集,完成分类器的重构.实现通过减少训练样本缩短训练时间和完善分类器提高分类精度的目的.通过UCI标准数据集实验,结果表明,该算法在所需训练的样本数、训练时间以及准确率3方面都优于球结构SVM增量学习算法,尤其当样本分布不平衡时,该算法有更高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	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
2	谢志强	哈尔滨理工大学计算机科学与技术学院	62	725	15.0	23.0
6	高丽	哈尔滨理工大学计算机科学与技术学院	3	27	2.0	3.0