增量和减量式标准支持向量机的分析*

• 作者: 王建东 郑关胜 顾彬
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 支持向量机 增量式学习 减量式学习 可行性分析 收敛性分析
• 年，卷（期）: 2013,（7）
• 页码范围: 1601-1613
• 页数: 13页
• 分类号: TP181
• 字数: 9351字
• 语种: 中文

摘要

当训练数据每次发生改变时,例如增加或者删除部分数据,标准支持向量机的批处理算法就需要重新进行训练,这将不适合在线环境的计算。为了克服这个问题,Cauwenberghs 和 Poggio 提出了增量和减量式标准支持向量机算法(C&P算法)。通过理论分析,证明C&P算法的可行性和有限收敛性。可行性证明确保了C&P算法的每步调整都是可靠的,有限收敛性证明确保了 C&P 算法通过有限步调整最终收敛到问题的最优解。在此基础上,进一步通过实验结果验证了所给出的理论分析的结果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑关胜	南京信息工程大学江苏省网络监控中心	12	71	4.0	8.0
7	王建东	南京航空航天大学计算机科学与技术系	158	1573	21.0	31.0
11	顾彬	南京信息工程大学江苏省网络监控中心	3	52	2.0	3.0