一种SVM增量学习算法

被引：24

作者：

萧嵘

王继成

孙正兴

张福炎

机构：

[1] 南京大学软件新技术国家重点实验室,南京大学计算机科学与技术系,南京大学软件新技术国家重点实验室,南京大学计算机科学与技术系,南京大学软件新技术国家重点实验室,南京大学计算机科学与技术系,南京大学软件新技术国家重点实验室,南京大学计算机科学与技术系南京,,

来源：

关键词：

支持向量机; 分类; 增量学习; 机器学习;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

分析了SVM理论中SV(支持向量 )集的特点 ,给出一种SVM增量学习算法 .通过在增量学习中使用SV集与训练样本集的分类等价性 ,使得新的增量训练无需在整个训练样本空间进行 .理论分析和实验结果表明 ,该算法能在保证分类精度的同时有效地提高训练速度

引用

页码：152 / 157

页数：6