文波
- 作品数：2 被引量：12H指数：2
- 供职机构：中国人民解放军军械工程学院光学与电子工程系更多>>
- 发文基金：国防科技技术预先研究基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于KKT条件与壳向量的增量学习算法研究被引量：10
- 2013年
- 针对经典支持向量机难以快速有效地进行增量学习的缺点,提出了基于KKT条件与壳向量的增量学习算法,该算法首先选择包含所有支持向量的壳向量,利用KKT条件淘汰新增样本中无用样本,减小参与训练的样本数目,然后在新的训练集中快速训练支持向量机进行增量学习。将该算法应用于UCI数据集和电路板故障分类识别,实验结果表明,该算法不仅能保证学习机器的精度和良好的推广能力,而且其学习速度比经典的SMO算法快,可以进行增量学习。
- 文波单甘霖段修生
- 关键词：支持向量机KKT条件
- 基于驱动错误准则的SVM增量学习研究被引量：2
- 2012年
- 增量学习广泛运用于人工智能、模式识别等诸多领域,是解决系统在训练初期样本量少而随时间推移性能降低的有效方法。本文针对经典支持向量机当训练样本数量多而运算速度较慢的缺点,在分析支持向量机的基础上,提出基于驱动错误准则的增量学习方法,实验结果表明,该算法不仅能保证学习机器的精度和良好的推广能力,而且算法的学习速度比经典的SVM算法快,可以进行增量学习。
- 文波单甘霖段修生
- 关键词：SVM
