一种新的类增量学习方法

• 作者: 王春立 王秀坤 秦玉平 陈一荻
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 超椭球 类增量学习 缩放因子
• 年，卷（期）: 2011,（34）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 181-183,237
• 分类号: TPI81
• 字数: 3606字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011.34.050

摘要

提出一种新的基于超椭球的类增量学习算法.对每一类样本,在特征空间求得一个包围该类尽可能多样本的最小超椭球,使得各类样本之间通过超椭球隔开.类增量学习过程中,只对新增类样本进行训练.分类时,通过计算待分类样本是否在超椭球内判定其所属类别.实验结果证明,该方法较超球方法提高了分类精度和分类速度.

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	渤海大学信息科学与工程学院	87	586	14.0	17.0
2	王秀坤	大连理工大学计算机科学与技术学院	124	1429	18.0	31.0
3	王春立	大连海事大学信息科学技术学院	20	130	7.0	10.0
4	陈一荻	渤海大学信息科学与工程学院	3	8	2.0	2.0