一种增量向量支持向量机学习算法

• 作者: 吴佳英 徐蔚鸿 陈沅涛
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 增量向量 修剪 约减集
• 年，卷（期）: 2012,（5）
• 页码范围: 873-878
• 页数: 6页
• 分类号: TP391
• 字数: 4334字
• 语种: 中文

摘要

针对传统支持向量机方法执行效率低、耗时长的问题,该文提出一种基于增量向量支持向量机学习(Ⅳ-SVM)方法.对训练样本集在核空间的增量向量进行训练,获得初始支持向量机分类器.利用该分类器在Karush-Kuhn-Tucker (KKT)条件下对初始训练样本进行修剪得到约减集,再用该约减集对初始分类器进一步加工,得到最终的支持向量机分类器.仿真结果表明,与传统支持向量机方法相比,在保证支持向量机泛化能力的条件下,Ⅳ-SVM可有效降低大容量数据样本的支持向量机训练时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐蔚鸿	南京理工大学计算机科学与技术学院	85	647	14.0	21.0
3	陈沅涛	南京理工大学计算机科学与技术学院	34	125	7.0	10.0
5	吴佳英	南京理工大学计算机科学与技术学院	33	170	8.0	12.0