一种新的基于KKT条件的错误驱动SVM增量学习算法

• 作者: 姚明海 张何栋 张灿淋 童小龙
• 来源期刊: 计算机系统应用
• 关键词: 增量学习 SVM KKT条件 错误驱动
• 年，卷（期）: 2014,（1）
• 页码范围: 144-148
• 页数: 5页
• 字数: 3533字
• 语种: 中文

摘要

分析了SVM增量学习过程中，样本SV集跟非SV集的转化，考虑到初始非SV集和新增样本对分类信息的影响，改进了原有KKT条件，并结合改进了的错误驱动策略，提出了新的基于KKT条件下的错误驱动增量学习算法，在不影响处理速度的前提下，尽可能多的保留原始样本中的有用信息，剔除新增样本中的无用信息，提高分类器精度，最后通过实验表明该算法在优化分类器效果，提高分类器性能方面上有良好的作用。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚明海	浙江工业大学信息工程学院	91	1088	17.0	30.0
2	张灿淋	浙江工业大学信息工程学院	3	11	2.0	3.0
3	童小龙	浙江工业大学信息工程学院	2	6	1.0	2.0
4	张何栋	浙江工业大学信息工程学院	1	5	1.0	1.0