实现兼类样本类增量学习的一种算法

• 作者: 王春立 王秀坤 秦玉平
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 支持向量机 超球 兼类 类增量学习
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 短文
• 页码范围: 137-140
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3321/j.issn:1001-0920.2009.01.028

摘要

针对兼类样本,提出一种类增量学习算法.利用超球支持向量机,对每类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.增量学习时,对新增样本以及旧样本集中的支持向量和超球附近的非支持向量进行训练,使得算法在很小的空闻代价下实现兼类样本类增量学习.分类过程中,根据待分类样本到各超球球心的距离判定其所属类别.实验结果表明,该算法具有较快的训练、分类速度和较高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦玉平	大连理工大学电子与信息工程学院	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