支持向量机增量进修算法研究.pdfVIP

f fI[1l[1IIII IIII IIIIIIlllIllf 摘要 Vector 支持向量机(Support 的借助于最优化方法解决机器学习问题的新工具。它在解决小样本、非线性及高 维模式学习问题中表现出许多特有的优势，可以成功的解决数据回归和模式识别 等诸多问题，已经广泛应用于手写数字识别、人脸识别、文本分类、回归预测等 领域。 在实际问题中，学习数据经常是不断累积的。增量学习可以利用历史信息， 减少训练规模，节约训练时间，是解决训练集样本不断累积的学习问题的有效方 法。本文分析了现有的支持向量机增量学习算法，提出了一种新的基于中心距离 比值和中心密度的支持向量机增量学习算法。该算法在处理初始样本集时，采用 边界向量预选取的中心距离比值法，即计算每个样本点的自中心距离与互中心距 离的比值作为中心距离比值，并选择中心距离比值比较大的一部分样本集作为训 练集来代替初始样本集进行训练。而对于有新增训练样本时，新的训练集包括原 支持向量、违背原模型KKT条件的新增样本点和一部分精选的非支持向量。本文 精选非