收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机增量学习算法研究

徐新功  
【摘要】:支持向量机(Support Vector Machine,SVM)是由Vapnik于20世纪90年代提出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。本文精选非支持向量进入训练集的方法是:先定义到本类中心的距离小于给定阀值的样本占该类样本总数的比例作为该类的中心密度,再依据中心密度精选部分区域的非支持向量加入训练集。实验证明,新的学习算法不仅节省了运算时间,而且提高了分类精度。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 刘叶青;刘三阳;谷明涛;;一种改进的支持向量机增量学习算法[J];计算机工程与应用;2008年10期
2 孔锐,张冰;一种快速支持向量机增量学习算法[J];控制与决策;2005年10期
3 曹杰;刘志镜;;基于支持向量机的增量学习算法[J];计算机应用研究;2007年08期
4 骆世广;骆昌日;夏成锋;;基于β因子的支持向量机增量学习算法[J];仲恺农业技术学院学报;2007年02期
5 曾文华,马健;支持向量机增量学习的算法与应用[J];计算机集成制造系统-CIMS;2003年S1期
6 王玲;穆志纯;郭辉;;一种基于聚类的支持向量机增量学习算法[J];北京科技大学学报;2007年08期
7 白冬婴;王晓丹;马飞;;支持向量机增量学习方法及应用[J];航空计算技术;2007年04期
8 吕宏伟;;一种改进的半监督增量SVM学习算法[J];科学技术与工程;2010年01期
9 唐小力;吕宏伟;;SVM增量学习算法研究[J];电脑知识与技术(学术交流);2006年05期
10 陶亮;;基于活跃集迭代法的支持向量机快速增量学习算法[J];系统仿真学报;2006年11期
11 张永;周振龙;侯莉莉;张世宏;;使用增量SVM进行文本分类[J];兰州理工大学学报;2007年01期
12 秦玉平;王秀坤;王春立;;实现兼类样本增量学习的一种算法[J];计算机应用与软件;2009年08期
13 吴静;刘衍珩;孟凡雪;;入侵检测中的多分类SVM增量学习算法[J];北京工业大学学报;2009年12期
14 吴崇明;王晓丹;白冬婴;张宏达;;基于类边界壳向量的快速SVM增量学习算法[J];计算机工程与应用;2010年23期
15 金珠;马小平;;基于云模型的最接近支持向量机增量学习方法[J];计算机应用研究;2011年05期
16 申晓勇;雷英杰;史朝辉;王坚;呼玮;;一种SVM增量学习淘汰算法[J];计算机工程与应用;2007年06期
17 徐喆;毛志忠;;基于超球的支持向量机增量学习算法[J];东北大学学报(自然科学版);2010年01期
18 姜雪;陶亮;王华彬;武杰;;基于分层并行筛选样本的SVM增量学习算法[J];计算机技术与发展;2007年11期
19 李东晖;杜树新;吴铁军;;基于壳向量的线性支持向量机快速增量学习算法[J];浙江大学学报(工学版);2006年02期
20 毛建洋;黄道;;一种新的支持向量机增量算法[J];华东理工大学学报(自然科学版);2006年08期
中国重要会议论文全文数据库 前10条
1 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
2 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
3 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
4 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
5 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
6 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
7 师旭超;巴松涛;;基于支持向量机方法的深基坑变形预测[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(上册)[C];2004年
8 张军;;支持向量机方法在地下水位干扰排除中的初步应用[A];2007年地震流体学术研讨会论文摘要集[C];2007年
9 许建生;盛立东;;基于改进的支持向量机和BP神经网络的识别算法[A];第八届全国汉字识别学术会议论文集[C];2002年
10 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 段华;支持向量机的增量学习算法研究[D];上海交通大学;2008年
2 刘叶青;原始空间中支持向量机若干问题的研究[D];西安电子科技大学;2009年
3 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
4 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
5 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
6 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
7 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
8 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年
9 田英杰;支持向量回归机及其应用研究[D];中国农业大学;2005年
10 燕忠;基于蚁群优化算法的若干问题的研究[D];东南大学;2005年
中国硕士学位论文全文数据库 前10条
1 李金凤;支持向量机增量学习算法研究[D];中南民族大学;2011年
2 刘艳伟;支持向量机方法在感潮河段洪峰水位预报中的应用[D];浙江大学;2010年
3 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年
4 刘坐乾;基于改进的支持向量机的模拟电路故障诊断方法研究[D];东北大学;2009年
5 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
6 聂小芳;模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究[D];辽宁工程技术大学;2009年
7 鄢常亮;基于支持向量机的高炉向凉向热炉况预测研究[D];内蒙古科技大学;2010年
8 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年
9 冯杰;慢时变对象的支持向量机建模与在线校正方法研究[D];东北大学;2009年
10 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
中国重要报纸全文数据库 前10条
1 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
2 李水根;计算机详解配伍与药效关系[N];健康报;2005年
3 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
4 YMG记者 李仁 通讯员 曲华明 孙运智;我市九项目进入省“盘子”[N];烟台日报;2010年
5 上海大学理学院教授、副院长 陆文聪;酷爱化学 孜孜以求[N];中国化工报;2006年
6 ;选择合适的数据挖掘算法[N];计算机世界;2007年
7 周颖;王米渠与中医心理学[N];中国中医药报;2006年
8 记者 耿挺;蛋白质功能算出来[N];上海科技报;2007年
9 记者 张云普通讯员 全攀峰 安强强;大庆物探深度域地震资料岩性解释技术获得五大突破[N];中国石油报;2008年
10 本报记者 冯治恩;敢与“雷公”试比高[N];铜川日报;2008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