SVM增量学习算法研究

• 作者: 王延峰
• 来源期刊: 黑龙江科技信息
• 学科: 工学
• 关键词: SVM 支持向量机 支持向量机增量 增量学习
• 年，卷（期）: 2012,（9）
• 所属期刊栏目: 科技论坛
• 页码范围: 25-25
• 页数: 1页
• 分类号: TP181
• 字数: 2040字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-1328.2012.09.030

摘要

支持向量机（support vector machine）是一种建立在结构风险最小化原则基础上的全新机器学习方法,具有很强的学习能力和泛化性能,能够较好地解决小样本、高维数、非线性、局部极小等实际问题。虽然支持向量机较其它学习方法在很多方面都具有难以比拟的优越性,但是作为一种新型的技术,支持向量机目前仍然具有一些局限性,尤其是它在支持增量式学习方面还不够好,所以对向量机进行增量学习有着一定的必要性。一方面,由于使用者在训练初期对问题理解的局限性以及问题的高度复杂性,一般很难精确地定义所要的完整的训练集;另一方面,要在初期就收集一个非常完整的训练集是非常困难甚至是难以实现的。本文基于以上的思想对支持向量机增量学习进行研究,通过对原有算法的研究找到一个新的支持向量机增量学习算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王延峰		5	2	1.0	1.0