支持向量机增量学习算法研究 |
| |
引用本文: | 李凯,黄厚宽.支持向量机增量学习算法研究[J].北京交通大学学报(自然科学版),2003,27(5):34-37. |
| |
作者姓名: | 李凯 黄厚宽 |
| |
作者单位: | 北京交通大学计算机与信息技术学院,北京交通大学计算机与信息技术学院 北京100044,北京100044 |
| |
基金项目: | 国家科技攻关计划项目(2002BA407B) |
| |
摘 要: | 给出了使用多支持向量机进行增量学习的算法.传统的支持向量机不具有增量学习性能,而常用的增量学习方法各具有不同的优缺点,基于固定划分和过间隔技术,提出了使用多支持向量机进行增量学习的算法;使用此算法,针对标准数据集BUPA及用NDC生成的数据集OUTTRAIN进行了实验,结果表明,使用单一的支持向量机进行增量学习,不论采用过间隔还是固定划分技术,其增量学习的正确率不及使用多支持向量机增量学习算法的正确率.
|
关 键 词: | 支持向量机 增量学习 期望风险 固定划分 过间隔 |
文章编号: | 1000-1506(2003)05-0034-04 |
修稿时间: | 2003年4月2日 |
Research on Incremental Learning Algorithm of Support Vector Machine |
| |
Abstract: | |
| |
Keywords: | support vector machine (SVM) incremental learning forecasting risk fixed partition exceeding margin |
本文献已被 CNKI 万方数据 等数据库收录! |
|