利用KKT条件与类边界包向量的SVM增量学习算法

作     者：吴崇明 王晓丹 白冬婴 张宏达 WU Chong-ming;WANG Xiao-dan;BAI Dong-ying;ZHANG Hong-da

作者机构：空军工程大学导弹学院计算机工程系陕西三原713800 

基　　金：国家自然科学基金项目(60975026) 陕西省自然科学基金项目(2007F19) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2010年第31卷第8期

页      码：1792-1794,1798页

摘      要：为实现对历史训练数据有选择地遗忘,并尽可能少地丢失训练样本集中的有用信息,分析了KKT条件与样本分布间的关系并得出了结论,给出了增量训练中当前训练样本集的构成。为了提高SVM增量训练速度,进一步利用训练样本集的几何结构信息对当前训练样本集进行约减,用约减后的当前训练样本集进行SVM增量训练,从而提出一种利用KKT条件与类边界包向量的快速SVM增量学习算法。实验结果表明,该算法在保持较高分类精度的同时提高了SVM增量学习速度。

主 题 词：支持向量机 增量学习 KKT条件 包向量 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2010.08.055

馆 藏 号：203480415...