收藏本站
《哈尔滨工程大学》 2007年
收藏 | 手机打开
二维码
手机客户端打开本文

基于向量投影的支持向量机增量学习算法

赵莹  
【摘要】: 支持向量机是Vapnik等人提出的一种新的机器学习方法,它基于统计学习理论,借助最优化方法来解决机器学习问题,体现了统计学习理论中的结构风险最小化思想。在实际应用中,需要处理的往往是海量的数据,因此,如何提高支持向量机对大规模数据的处理能力,使支持向量机的应用范围更为广泛,成为目前的一个研究热点。本文针对这个问题主要做了以下几个方面的工作。 采用增量学习策略进行支持向量机增量学习,并且针对简单支持向量机增量学习算法没有考虑到非支持向量向支持向量转变的情况,提出一种改进的支持向量机增量学习算法,该算法通过KKT条件有效地处理历史样本,从而提高了简单支持向量机增量学习算法的分类精度。 引入支持向量预选取概念,在有效避免预选取失效的同时将增量学习思想与预选取相结合,提出一种基于向量投影的支持向量机增量学习算法。该算法利用支持向量的几何分布特点,采用向量投影的方法,对样本进行预选取,从增量样本中选取最有可能成为支持向量的样本形成边界向量集,它是支持向量集的一个规模较小的扩展集,将其作为新的训练样本集进行增量学习,有效地减少训练样本的数量,提高训练的速度。该算法在UCI的数据库上进行验证,实验结果表明该算法同标准支持向量机训练算法相比,训练速度明显提高,适合处理大规模样本集。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 萧嵘,王继成,孙正兴,张福炎;一种SVM增量学习算法[J];南京大学学报(自然科学版);2002年02期
2 陶品,张钹,叶榛;构造型神经网络双交叉覆盖增量学习算法[J];软件学报;2003年02期
3 彭彬彬,孙正兴,金翔宇;多值分类环境下基于SVM增量学习的用户适应性研究(英文)[J];南京大学学报(自然科学版);2004年02期
4 姜卯生,王浩,姚宏亮;朴素贝叶斯分类器增量学习序列算法研究[J];计算机工程与应用;2004年14期
5 景博,李剑,钱越英;一种协商在线增量学习算法及其在基于智能体的电子商务中的应用[J];计算机工程与应用;2005年02期
6 吴飞,庄越挺,潘云鹤;基于增量学习支持向量机的音频例子识别与检索[J];计算机研究与发展;2003年07期
7 杨森,徐海涛,柴乔林;应用支持向量机实现增量入侵检测[J];计算机工程与应用;2004年27期
8 刘璨;粗集神经网络过程监控模型的增量学习法[J];机床与液压;2004年01期
9 滕月阳,唐焕文,张海霞;一种新的支持向量机增量学习算法[J];计算机工程与应用;2004年36期
10 张仕华;王学业;;增量回归支持向量机改进学习算法[J];计算机工程与应用;2006年03期
11 陶品,张钹,叶榛;可继续学习的构造型神经网络构造算法[J];计算机工程与应用;2002年08期
12 李凯,黄厚宽;支持向量机增量学习算法研究[J];北方交通大学学报;2003年05期
13 曾嵘,刘建成,蒋新华;一种基于支持向量机的增量学习算法[J];铁道科学与工程学报;2005年01期
14 李祥纳;艾青;秦玉平;刘卫江;;支持向量机增量学习算法综述[J];渤海大学学报(自然科学版);2007年02期
15 萧嵘 ,王继成 ,孙正兴 ,张福炎;一种SVM增量学习算法α-ISVM[J];软件学报;2001年12期
16 李忠伟,张健沛,杨静;基于支持向量机的增量学习算法研究[J];哈尔滨工程大学学报;2005年05期
17 刘风;王正群;陈广花;;基于类别信息的分类器集成方法Cagging[J];计算机应用;2008年S2期
18 万辉;魏延;;一种改进的最小二乘支持向量机算法[J];重庆师范大学学报(自然科学版);2010年04期
19 高洁,吉根林;一种增量式Bayes文本分类算法[J];南京师范大学学报(工程技术版);2004年03期
20 刘梅,权太范,姚天宾;基于增量学习神经模糊网络的机动目标跟踪[J];电子学报;2005年11期
中国重要会议论文全文数据库 前10条
1 张健沛;李忠伟;杨静;;一种基于多支持向量机的并行增量学习方法(英文)[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
2 王玲;穆志纯;郭辉;;基于支持向量回归的增量建模方法[A];第25届中国控制会议论文集(上册)[C];2006年
3 赵莹;万福永;;支持向量机的增量学习算法及其在多类分类问题中的应用[A];第25届中国控制会议论文集(下册)[C];2006年
4 郝增荣;刘海军;柳征;姜文利;;一种基于神经网络增量学习的辐射源识别算法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年
5 罗长升;段建国;许洪波;郭莉;;基于拉推策略的文本分类增量学习研究[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
6 马亮;陈群秀;谭伟;;智能Web信息检索相关研究[A];全国第八届计算语言学联合学术会议(JSCL-2005)论文集[C];2005年
7 王会珍;朱靖波;季铎;叶娜;张斌;;基于反馈学习自适应的中文话题追踪[A];第二届全国信息检索与内容安全学术会议(NCIRCS-2005)论文集[C];2005年
8 刘欣;章勇;王娟;;增量学习的TFIDF_NB协同训练分类算法[A];中国电子学会第十六届信息论学术年会论文集[C];2009年
9 马后锋;樊兴华;;一种改进的增量贝叶斯分类算法[A];2007'仪表,自动化及先进集成技术大会论文集(一)[C];2007年
10 何琳;章林柯;;基于组合变结构Fuzzy-RBF网络的潜艇异类噪声源检测[A];湖北省声学学会成立二十周年纪念文集[C];2006年
中国博士学位论文全文数据库 前10条
1 丁凯;基于增量学习的中文手写书写者自适应技术研究[D];华南理工大学;2011年
2 赵强利;基于选择性集成的在线机器学习关键技术研究[D];国防科学技术大学;2010年
3 秦玉平;基于支持向量机的文本分类算法研究[D];大连理工大学;2008年
4 何学文;基于支持向量机的故障智能诊断理论与方法研究[D];中南大学;2004年
5 王昱;考虑特征变量异质性的分类方法及其在风险决策中的应用研究[D];中国科学技术大学;2009年
6 李斌;概率混合模型的研究及其应用[D];复旦大学;2009年
7 王利民;贝叶斯学习理论中若干问题的研究[D];吉林大学;2005年
8 孙彩堂;彩色虹膜图像识别算法的研究[D];吉林大学;2009年
9 吴冰;相关向量回归元建模关键技术及其应用研究[D];国防科学技术大学;2011年
10 陈海霞;面向数据挖掘的分类器集成研究[D];吉林大学;2006年
中国硕士学位论文全文数据库 前10条
1 杜玲;覆盖算法的增量学习研究[D];安徽大学;2010年
2 李曼;云计算平台上的增量学习研究[D];南京邮电大学;2012年
3 张智敏;基于增量学习的分类算法研究[D];华南理工大学;2010年
4 刘晟;支持向量数据描述及其在财务报表舞弊识别中的应用研究[D];江苏大学;2010年
5 侯凯;加权贝叶斯增量学习中文文本分类研究[D];长沙理工大学;2013年
6 冯佳;多层文本分类与增量学习关键技术研究[D];西安电子科技大学;2009年
7 吴冕;基于改进SVDD的设备故障诊断方法及在线监测系统研究[D];北京邮电大学;2013年
8 李进;基于SVM增量学习的P2P流媒体流量识别方法研究[D];国防科学技术大学;2010年
9 周鸣;面向手机病毒挖掘引擎的增量贝叶斯算法的研究与实现[D];北京邮电大学;2012年
10 沈培华;支持矢量机的算法研究和应用[D];南京理工大学;2002年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978