基于驱动错误准则的SVM增量学习研究

• 作者: 单甘霖 文波 段修生
• 来源期刊: 计算技术与自动化
• 关键词: 机器学习 驱动错误准则 SVM 增量学习
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 计算机软件及应用
• 页码范围: 100-103
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6199.2012.03.024

摘要

增量学习广泛运用于人工智能、模式识别等诸多领域,是解决系统在训练初期样本量少而随时间推移性能降低的有效方法.本文针对经典支持向量机当训练样本数量多而运算速度较慢的缺点,在分析支持向量机的基础上,提出基于驱动错误准则的增量学习方法,实验结果表明,该算法不仅能保证学习机器的精度和良好的推广能力,而且算法的学习速度比经典的SVM算法快,可以进行增量学习.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	单甘霖	军械工程学院光学与电子工程系	113	845	15.0	23.0
2	段修生	军械工程学院光学与电子工程系	68	568	10.0	22.0
3	文波	军械工程学院光学与电子工程系	2	24	2.0	2.0