计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
23期
185-187,248
,共4页
吴崇明%王晓丹%白冬婴%张宏达
吳崇明%王曉丹%白鼕嬰%張宏達
오숭명%왕효단%백동영%장굉체
支持向量机%增量学习%壳向量
支持嚮量機%增量學習%殼嚮量
지지향량궤%증량학습%각향량
为进一步提高SVM增量训练的速度,在有效保留含有重要分类信息的历史样本的基础上,对当前增量训练样本集进行了约简,提出了一种基于类边界壳向量的快速SVM增量学习算法,定义了类边界壳向量.算法中增量训练样本集由壳向量集和新增样本集构成,在每一次增量训练过程中,首先从几何角度出发求出当前训练样本集的壳向量,然后利用中心距离比值法选择出类边界壳向量后进行增量SVM训练.分别使用人工数据集和UCI标准数据库中的数据进行了实验,结果表明了方法的有效性.
為進一步提高SVM增量訓練的速度,在有效保留含有重要分類信息的歷史樣本的基礎上,對噹前增量訓練樣本集進行瞭約簡,提齣瞭一種基于類邊界殼嚮量的快速SVM增量學習算法,定義瞭類邊界殼嚮量.算法中增量訓練樣本集由殼嚮量集和新增樣本集構成,在每一次增量訓練過程中,首先從幾何角度齣髮求齣噹前訓練樣本集的殼嚮量,然後利用中心距離比值法選擇齣類邊界殼嚮量後進行增量SVM訓練.分彆使用人工數據集和UCI標準數據庫中的數據進行瞭實驗,結果錶明瞭方法的有效性.
위진일보제고SVM증량훈련적속도,재유효보류함유중요분류신식적역사양본적기출상,대당전증량훈련양본집진행료약간,제출료일충기우류변계각향량적쾌속SVM증량학습산법,정의료류변계각향량.산법중증량훈련양본집유각향량집화신증양본집구성,재매일차증량훈련과정중,수선종궤하각도출발구출당전훈련양본집적각향량,연후이용중심거리비치법선택출류변계각향량후진행증량SVM훈련.분별사용인공수거집화UCI표준수거고중적수거진행료실험,결과표명료방법적유효성.
