基于云模型的最接近支持向量机增量学习方法

• 作者: 金珠 马小平
• 来源期刊: 计算机应用研究
• 关键词: 支持向量机 云模型 分类 增量学习
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1685-1687,1691
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.05.026

摘要

针对经典支持向量机在增量学习中的不足,提出一种基于云模型的最接近支持向量机增量学习算法.该方法利用最接近支持向量机的快速学习能力生成初始分类超平面,并与k-近邻法对全部训练集进行约简,在得到的较小规模的精简集上构建云模型分类器直接进行分类判断.该算法模型简单,无须迭代求解,时间复杂度较小,有较好的抗噪性,能较好地体现新增样本的分布规律.仿真实验表明,本算法能够保持较好的分类精度和推广能力,运算速度较快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马小平	中国矿业大学信息与电气工程学院	152	1129	17.0	27.0
2	金珠	中国矿业大学信息与电气工程学院	7	22	3.0	4.0