电子设计工程
電子設計工程
전자설계공정
ELECTRONIC DESIGN ENGINEERING
2014年
10期
25-27,31
,共4页
FCM%KKT%训练精度%支持向量%UCI数据库
FCM%KKT%訓練精度%支持嚮量%UCI數據庫
FCM%KKT%훈련정도%지지향량%UCI수거고
FCM%KKT%the training accuracy%support vector%UCI dataset
增量学习方法的思想是仅利用部分相关的样本集参与训练,即能够保留历史样本知识,又能够不断地吸收新的知识,提高机器学习效率和精度,解决了大量样本训练时间长和存储空间不足的问题.因此,如何有效地丢弃大量无效的样本点是增量学习算法研究的重点.文中提出了一种FCM (Fuzzy C-Means)和KKT (Karush-Kuhn-Tucker)条件结合的增量学习方法,分别从历史样本集和新增样本集两个阶段对无效样本进行过滤,利用余下的样本进行训练.最后,利用UCI数据库中的4组数据进行实验分析,结果证明训练精度与全数据样本的训练精度几乎完全拟合.
增量學習方法的思想是僅利用部分相關的樣本集參與訓練,即能夠保留歷史樣本知識,又能夠不斷地吸收新的知識,提高機器學習效率和精度,解決瞭大量樣本訓練時間長和存儲空間不足的問題.因此,如何有效地丟棄大量無效的樣本點是增量學習算法研究的重點.文中提齣瞭一種FCM (Fuzzy C-Means)和KKT (Karush-Kuhn-Tucker)條件結閤的增量學習方法,分彆從歷史樣本集和新增樣本集兩箇階段對無效樣本進行過濾,利用餘下的樣本進行訓練.最後,利用UCI數據庫中的4組數據進行實驗分析,結果證明訓練精度與全數據樣本的訓練精度幾乎完全擬閤.
증량학습방법적사상시부이용부분상관적양본집삼여훈련,즉능구보류역사양본지식,우능구불단지흡수신적지식,제고궤기학습효솔화정도,해결료대량양본훈련시간장화존저공간불족적문제.인차,여하유효지주기대량무효적양본점시증량학습산법연구적중점.문중제출료일충FCM (Fuzzy C-Means)화KKT (Karush-Kuhn-Tucker)조건결합적증량학습방법,분별종역사양본집화신증양본집량개계단대무효양본진행과려,이용여하적양본진행훈련.최후,이용UCI수거고중적4조수거진행실험분석,결과증명훈련정도여전수거양본적훈련정도궤호완전의합.
