一种改进的LSTSVM增量学习算法

• 作者: 周水生 姚丹
• 来源期刊: 吉林大学学报（理学版）
• 学科: 工学
• 关键词: 最小二乘孪生支持向量机 增量学习 稀疏性
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 计算机科学
• 页码范围: 909-916
• 页数: 8页
• 分类号: TP181
• 字数: 4480字
• 语种: 中文
• DOI: 10.13413/j.cnki.jdxblxb.2018.04.24

摘要

基于Sherman-Morrison定理和迭代算法,提出一种改进最小二乘孪生支持向量机(SMI-ILSTSVM)的增量学习算法,解决了最小二乘孪生支持向量机(LSTSVM)不具备结构风险最小化和稀疏性的问题.实验结果表明,该算法分类精度和效率均较高,适用于含有噪声的交叉样本集分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周水生	西安电子科技大学数学与统计学院	40	295	10.0	15.0
2	姚丹	西安电子科技大学数学与统计学院	2	5	1.0	2.0