CAJ | 학술논문

在大数据分析处理中,有效学习样本逐渐增加,据此如何高效渐进地学习分类器是一个非常有价值的问题.相比于支撑向量机和核向量机,球向量机自身在批量样本学习中具有速度快、准确率高的特点,但该方法不适合快速的在线学习.针对该问题提出了在线球向量机.首先将二分类问题转为两个单分类问题,利用球向量机(ball vector machine,BVM)对超球球心的更新算法对每一个训练向量仅迭代一次,求得两个高维超球的球心,随后直接利用两个高维超球球心的垂直平分面进行分类.理论分析证明了新方法的有效性,与现有在线增量学习方法的实验比较结果表明,在线球向量机(online ball vector machine,OBVM)在时间计算复杂度和综合性能方面有显著优势.
재대수거분석처리중,유효학습양본축점증가,거차여하고효점진지학습분류기시일개비상유개치적문제.상비우지탱향량궤화핵향량궤,구향량궤자신재비량양본학습중구유속도쾌、준학솔고적특점,단해방법불괄합쾌속적재선학습.침대해문제제출료재선구향량궤.수선장이분류문제전위량개단분류문제,이용구향량궤(ball vector machine,BVM)대초구구심적경신산법대매일개훈련향량부질대일차,구득량개고유초구적구심,수후직접이용량개고유초구구심적수직평분면진행분류.이론분석증명료신방법적유효성,여현유재선증량학습방법적실험비교결과표명,재선구향량궤(online ball vector machine,OBVM)재시간계산복잡도화종합성능방면유현저우세.