基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出一类支持向量机(OCSVM)的快速增量学习方法.在OCSVM初始分类器的基础上,添加一个德尔塔函数形成新的决策函数,实现增量学习的过程.通过分析德尔塔函数的几何特性,构造出与OCSVM相似的优化目标函数,从而求解德尔塔函数的参数.优化问题能够进一步转化为标准的二次规划(QP)问题,但是在优化过程中Karush-Kuhn-Tucker(KKT)条件发生很大改变.根据新的KKT条件,为QPP提出修正的序贯最小优化(SMO)求解方法.整个学习过程直接操作初始分类器,仅仅训练新增样本,避免了对初始样本的重复训练,因此能够节约大量的学习时间和存储空间.实验结果表明,提出的快速增量学习方法在时间和精度上均优于其他的增量学习方法.
推荐文章
支持向量机增量学习方法及应用
支持向量机
增量学习
学习精度
学习速度
基于云模型的最接近支持向量机增量学习方法
支持向量机
云模型
分类
增量学习
基于支持向量机的并行学习方法研究
并行处理系统
学习系统
支持向量机
分类器组合
基于支持向量机的增量学习算法
结构风险最小化
支持向量
增量学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一类支持向量机的快速增量学习方法
来源期刊 浙江大学学报(工学版) 学科 工学
关键词 一类支持向量机 增量学习 德尔塔函数 二次规划 序贯最小优化(SMO) KKT条件
年,卷(期) 2012,(7) 所属期刊栏目 电气工程
研究方向 页码范围 1327-1332
页数 6页 分类号 TP181
字数 语种 中文
DOI 10.3785/j.issn.1008-973X.2012.07.027
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵光宙 115 2009 25.0 39.0
2 齐冬莲 74 944 15.0 28.0
3 王洪波 7 89 3.0 7.0
4 卢达 6 104 3.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (22)
共引文献  (55)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(5)
  • 参考文献(1)
  • 二级参考文献(4)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
一类支持向量机
增量学习
德尔塔函数
二次规划
序贯最小优化(SMO)
KKT条件
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
浙江大学学报(工学版)
月刊
1008-973X
33-1245/T
大16开
杭州市浙大路38号
32-40
1956
chi
出版文献量(篇)
6865
总下载数(次)
6
总被引数(次)
81907
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导