适用于智能传感器系统的SVM集成研究

• 作者: 丁毅 卞桂龙 沈海斌
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 传感器 支持向量机 壳向量 Learn++算法 增量学习
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 研究与探讨
• 页码范围: 44-47,51
• 页数: 5页
• 分类号: TP212|TP18
• 字数: 4470字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2014)08-0044-04

摘要

以支持向量机（ SVM）为代表的人工智能技术在智能传感器系统中得到了广泛的应用，但传统的SVM有“灾难性遗忘”现象，即会遗忘以前学过的知识，并且不能增量学习新的数据，这已无法满足智能传感器系统实时性的要求。而Learn＋＋算法能够增量地学习新来的数据，即使新来数据属于新的类，也不会遗忘已经学习到的旧知识。为了解决上述问题，提出了一种基于壳向量算法的Learn＋＋集成方法。实验结果表明：该算法不但具有增量学习的能力，而且在保证分类精度的同时，提高了训练速度，减小了存储规模，可以满足当下智能传感器系统在线学习的需求。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈海斌	浙江大学超大规模集成电路设计研究所	139	832	13.0	21.0
2	卞桂龙	浙江大学超大规模集成电路设计研究所	1	2	1.0	1.0
3	丁毅		3	9	2.0	3.0