改进的在线支持向量机训练算法.pdfVIP

第35 卷 第22 期 计 算 机 工 程 2009 年11 月 Vol.35 No.22 Computer Engineering November 2009 ·人工智能及识别技术· 文章编号：1000—3428(2009)22—0212—04 文献标识码：A 中图分类号：TP181 改进的在线支持向量机训练算法 潘以桢，胡越明 (上海交通大学计算机科学与工程系，上海 200240) 摘 要：传统支持向量机基于批量训练方法，无法适应环境污染预测中的海量数据与实时性要求。在分析研究一种典型的在线支持向量机 回归算法[4] 的基础上，指出原算法在训练过程中存在样本重复移动问题，导致模型训练速度下降。提出一种改进算法，消除重复移动问题。 实验结果表明，该改进在线支持向量机算法建模精度高，训练速度较原算法有显著提高。 关键词：污染预测；支持向量机；在线学习；增量式学习 Improved Online Training Algorithm of Support Vector Machine PAN Yi-zhen, HU Yue-ming (Department of Computer Science and Engineering, Shanghai Jiaotong University, Shanghai 200240) 【Abstract 】Traditional Support Vector Machine(SVM), which based on batch training, can’t satisfy the real-time requirement of environmental pollution prediction with large scale data. With the analysis of a typical kind of online support vector regression algorithm, this paper indicates that repeated sample move exists in the training process would lead to decrease the training speed, and proposes an improved algorithm. Simulation and analysis results show that the proposed algorithm performs high modeling precision, and training speed is increased remarkably compared with the aforementioned algorithm. 【Key words 】pollution prediction; Support Vector Machine(SVM); online learning; incremental learning 1 概述 污染预测是环境保护中的一项重要工作，它能为环境管 量式在线学习算法被提出[4-5] 。其中比较有代表性的是针对回 理部门提供及时、准确、全面的环境质量信息，反映环境污 归问题的增量式算法[4] ，它以 KKT 条件为基础，当有新样本 染的变化趋势，有针对性地控制和预防污染事件的发生，从 加入时，通过修改拉格朗日乘子和偏置值来更新 SVM 模型。 而推动环境监测工作的发展[1] 。