基于KKT条件的SVM增量学习算法

• 作者: 孙世宇 张泽建 曹健 段修生
• 来源期刊: 火力与指挥控制
• 学科: 工学
• 关键词: 支持向量机 增量学习 KKT条件
• 年，卷（期）: 2014,（7）
• 所属期刊栏目: 工程实践
• 页码范围: 139-143
• 页数: 5页
• 分类号: TP181
• 字数: 3197字
• 语种: 中文

摘要

为了解决支持向量机（SVM）在增量学习时，由于支持向量选择不完全，导致增量学习过程无法持久进行的问题，提出了最大似然边界SVM增量学习算法。该方法在深入分析分类面变化趋势的基础上，充分利用KKT条件，选择包含支持向量的边界向量参与SVM增量学习。实验表明，该算法可以完全覆盖支持向量，与经典支持向量机算法的结果完全相同，并且节省了大量时间，为今后大样本分类和增量学习的可持续性提供了条件。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙世宇		43	382	8.0	18.0
2	段修生		68	568	10.0	22.0
3	曹健		4	29	2.0	4.0