航空电子技术
航空電子技術
항공전자기술
AVIONICS TECHNOLOGY
2007年
2期
20-24
,共5页
支持向量机%增量学习%并行结构%反馈
支持嚮量機%增量學習%併行結構%反饋
지지향량궤%증량학습%병행결구%반궤
为了改进传统算法,利用支持向量的特性,提出了一种基于多支持向量机的增量式并行训练算法(PMSVM).选择对分类超平面有影响的样本点作为支持向量,以增加单个分类器的训练时间为代价换取整体训练和分类的精度.考虑到训练样本的分布对最终结果的影响,加入反馈向量进行适当的重复训练,以调整各分类器的学习性能.通过在测试数据集上进行的实验表明,该算法与批学习增量BSVM算法相比,在提高训练效率和分类精度的前提下,大大降低了训练时间.
為瞭改進傳統算法,利用支持嚮量的特性,提齣瞭一種基于多支持嚮量機的增量式併行訓練算法(PMSVM).選擇對分類超平麵有影響的樣本點作為支持嚮量,以增加單箇分類器的訓練時間為代價換取整體訓練和分類的精度.攷慮到訓練樣本的分佈對最終結果的影響,加入反饋嚮量進行適噹的重複訓練,以調整各分類器的學習性能.通過在測試數據集上進行的實驗錶明,該算法與批學習增量BSVM算法相比,在提高訓練效率和分類精度的前提下,大大降低瞭訓練時間.
위료개진전통산법,이용지지향량적특성,제출료일충기우다지지향량궤적증량식병행훈련산법(PMSVM).선택대분류초평면유영향적양본점작위지지향량,이증가단개분류기적훈련시간위대개환취정체훈련화분류적정도.고필도훈련양본적분포대최종결과적영향,가입반궤향량진행괄당적중복훈련,이조정각분류기적학습성능.통과재측시수거집상진행적실험표명,해산법여비학습증량BSVM산법상비,재제고훈련효솔화분류정도적전제하,대대강저료훈련시간.
