实现兼类样本增量学习的一种算法

• 作者: 王春立 王秀坤 秦玉平
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 支持向量机 超球 兼类 增量学习
• 年，卷（期）: 2009,（8）
• 所属期刊栏目: 基金项目论文
• 页码范围: 32-34
• 页数: 3页
• 分类号: TP3
• 字数: 3192字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2009.08.012

摘要

针对兼类样本,提出一种增量学习算法.利用超球支持向量机,在特征空间对属于同一类别的样本求得一个能包围该类尽可能多样本的最小超球,使各类样本之间通过超球隔开.增量学习过程中,只对新增样本以及与新增样本具有相同兼类的旧样本集中的支持向量进行训练,且每次训练只针对一类样本,使得算法在很小的样本集、很小的空间代价下实现兼类样本增量学习,同时保留了与新增样本类别无关的历史训练结果.分类过程中,通过计算待分类样本到各超球球心的距离判定其所属类别,分类准确快捷.实验结果证明了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦玉平	渤海大学信息科学与工程学院	87	586	14.0	17.0
3	王秀坤	大连理工大学电子与信息工程学院	124	1429	18.0	31.0
6	王春立	大连理工大学电子与信息工程学院	10	104	6.0	10.0