原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第 41 卷 第 6 期 ( ) Vol . 41 No . 6
厦门大学学报 自然科学版
2002 年 11 月 Journal of Xiamen University (Natural Science) Nov. 2002
( )
文章编号 2002
一种新的支持向量机增量学习算法
1 2
曾文华 ,马 健
( 1. 厦门大学计算机科学系 ,福建 厦门 361005 ; 2 . 杭州电子工业学院计算机分院 ,浙江 杭州 310037)
摘要 : 提出一种新的支持向量机增量学习算法. 分析了新样本加入训练集后 ,支持向量集的变化情况. 基于分析结
论提出新的学习算法. 算法舍弃对最终结论无用的样本 ,使得学习对象的知识得到了积累. 实验结果表明本算法在
保证分类准确度的同时 ,在增量学习问题上比传统的支持向量机有效.
关键词 : 支持向量机 ;增量学习;学习算法
中图分类号 : TP 181 文献标识码 :A
增量学习技术作为一种智能知识发现技术 , 已 l , X i ∈Rn , y i ∈{ ±1} . 支持向量机即为线性分类
经得到了广泛的研究. 它与传统的学习技术相比,优 器 ,通过构造最优分类面 ,使得类别间的分类间隔最
越性在于它不仅可以舍弃无用样本并减小训练集 , 大[4 ] . 较大的分类间隔意味着分类器具有较好的泛
而且可以充分利用学习的历史结果 ,使学习具有了 化能力.
延续性. 很多学者基于传统的学习方法提出了新的 设超平面方程为 :
增量学习算法[ 1 ,2 ] . 但是由于传统学习算法不能保证 wX + b = 0 ( 1)
很好的泛化能力 ,常常陷于对问题的过学习和局部 则决策函数为 :
最小等现象 ,因而基于传统学习方法的增量学习算 f ( x ) = sgn ( wX + b) (2)
法通常得不到原问题较好的结果. 求最大分类间隔的超平面问题可以转化为如下二次
( )
支持向量机 Support Vector Machine — SVM 是 寻优问题 :
一种新的机器学习技术 , 由 Vapnik 和他 的同事于 l
文档评论（0）