基于KKT条件的SVM增量学习算法 |
| |
引用本文: | 曹健,孙世宇,段修生,张泽建.基于KKT条件的SVM增量学习算法[J].火力与指挥控制,2014(7). |
| |
作者姓名: | 曹健 孙世宇 段修生 张泽建 |
| |
作者单位: | 军械工程学院;解放军71834部队; |
| |
摘 要: | 为了解决支持向量机(SVM)在增量学习时,由于支持向量选择不完全,导致增量学习过程无法持久进行的问题,提出了最大似然边界SVM增量学习算法。该方法在深入分析分类面变化趋势的基础上,充分利用KKT条件,选择包含支持向量的边界向量参与SVM增量学习。实验表明,该算法可以完全覆盖支持向量,与经典支持向量机算法的结果完全相同,并且节省了大量时间,为今后大样本分类和增量学习的可持续性提供了条件。
|
关 键 词: | 支持向量机 增量学习 KKT条件 |
本文献已被 CNKI 等数据库收录! |
|