基于选择性抽样的SVM增量学习算法的泛化性能研究

• 作者: 余炎 徐婕 杨艳 陈前
• 来源期刊: 计算机测量与控制
• 关键词: SVM 增量学习 马氏抽样 转移概率
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 设计与应用
• 页码范围: 184-189
• 页数: 6页
• 分类号: TP181
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2019.04.042

摘要

针对大数据环境中存在很多的冗余和噪声数据,造成存储耗费和学习精度差等问题,为有效地选取代表性样本,同时提高学习精度和降低训练时间,提出了一种基于选择性抽样的SVM增量学习算法,算法采用马氏抽样作为抽样方式,抽样过程中利用决策模型来计算样本间的转移概率,然后通过转移概率来决定是否接受样本作为训练数据,以达到选取代表性样本的目的;并与其他SVM增量学习算法做出比较,实验选取9个基准数据集,采用十倍交叉验证方式选取正则化参数,数值实验结果表明,该算法能在提高学习精度的同时,大幅度的减少抽样与训练总时间和支持向量总个数.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐婕	湖北大学计算机与信息工程学院	12	23	3.0	4.0
2	陈前	湖北大学计算机与信息工程学院	2	0	0.0	0.0
3	杨艳	武汉晴川学院计算机科学学院	6	1	1.0	1.0
4	余炎	湖北大学计算机与信息工程学院	1	0	0.0	0.0