面向大规模数据的SVDD在线学习算法.pdfVIP

测控技术

模式识别与人工智能２０２３４２８·１·

年第卷第期

面向大规模数据的ＳＶＤＤ在线学习算法

１１１１２

王小飞，陈永展，王强，高艳丽，李健增

（１．海军航空大学青岛校区，山东青岛２６６０４１；２．天河超级计算淮海分中心，山东临沂２７６００２）

摘要针对支持向量数据描述ＳｕｐｐｏｒｔＶｅｃｔｏｒＤａｔａＤｅｓｃｒｉｐｔｉｏｎＳＶＤＤ在线学习时的支持向量数量随样

：（，）

本规模的扩大呈线性增加，进而导致模型更新时间呈非线性增长的问题，提出一种基于支持向量约减的

ＲＳＶＤＤ

支持向量数据描述（）在线学习方法。该算法通过执行支持向量约减，控制在线学习时的支持

向量数量从而使其具有比其他算法更快速且更稳定的模型更新时间适合大规模数据的分类处

，ＳＶＤＤ，

理首先阐述了支持向量约减的原理进而给出了在线ＲＳＶＤＤ算法在单分类和多分类数据集上的

。；。

，，。

实验结果表明ＲＳＶＤＤ算法相较于ＳＶＤＤ算法能够在保持分类精度的基础上拥有更快的学习速度

关键词：大规模数据；支持向量数据描述；支持向量约减；在线学习

中图分类号：ＴＰ１８１文献标志码：Ａ文章编号：１０００－８８２９（２０２３）０８－０００１－０６

ｄｏｉ１０．１９７０８／ｊ．ｃｋｊｓ．２０２３．０２．２１２

：

ＳＶＤＤＯｎｌｉｎｅＬｅａｒｎｉｎｇＡｌｇｏｒｉｔｈｍｆｏｒＬａｒｇｅＳｃａｌｅＤａｔａ

１１１１２

ＷＡＮＧＸｉａｏｆｅｉ牞ＣＨＥＮＹｏｎｇｚｈａｎ牞ＷＡＮＧＱｉａｎｇ牞ＧＡＯＹａｎｌｉ牞ＬＩＪｉａｎｚｅｎｇ

牗１．ＱｉｎｇｄａｏＣａｍｐｕｓｏｆＮａｖａｌＡｖｉａｔｉｏｎＵｎｉｖｅｒｓｉｔｙ牞Ｑｉｎｇｄａｏ２６６０４１牞Ｃｈｉｎａ牷

２．ＴｉａｎｈｅＳｕｐｅｒｃｏｍｐｕｔｉｎｇＣｅｎｔｅｒｏｆＨｕａｉｈａｉ牞Ｌｉｎｙｉ２７６００２牞Ｃｈｉｎａ牘

Ａｂｓｔｒａｃｔ牶Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｈｅｎｕｍｂｅｒｏｆｓｕｐｐｏｒｔｖｅｃｔｏｒｓｉｎｓｕｐｐｏｒｔｌｅａｒｎｉｎｇｏｆｓｕｐｐｏｒｔｖｅｃｔｏｒ

ｄａｔａｄｅｓｃｒｉｐｔｉｏｎ牗ＳＶＤＤ牘ｉｎｃｒｅａｓｅｓｌｉｎｅａｒｌｙｗｉｔｈｔｈｅｅｎｌａｒｇｅｍｅｎｔｏｆｓａｍｐｌｅｓｉｚｅ牞ｗｈｉｃｈｌｅａｄｓｔｏｔｈｅｎｏｎｌｉｎｅａｒ

ｇｒｏｗｔｈｏｆｍｏｄｅｌｕｐｄａｔｅｔｉｍｅ牞ａｎｏｎｌｉｎｅｌｅａｒｎｉｎｇｍｅｔｈｏｄｏｆｓｕｐｐｏｒｔｖｅｃｔｏｒｄａｔａｄｅｓｃｒｉｐｔｉｏｎｂａｓｅｄｏｎｓｕｐｐｏｒｔ

ｖｅｃｔｏｒｒｅｄｕｃｔｉｏｎ牗ＲＳＶＤＤ牘ｉｓｐｒｏｐｏｓｅｄ．Ｂｙｐｅｒｆｏｒｍｉｎｇｓｕｐｐｏｒｔｖｅｃｔｏｒｒｅｄｕｃｔｉｏｎ牞ｔｈｅｎｕｍｂｅｒｏｆｓｕｐｐ