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
【摘要】:支持向量机是一种新的统计学习方法。本文分析了支持向量机的原理与特性,并在此基础上提出了一种增量学习方法。把这种方法应用于多类分类问题,实验结果表明,这种方法在保证测试精度的同时,大大降低了训练时间。
|
|
|
|
1 |
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 |
2 |
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 |
3 |
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 |
4 |
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 |
5 |
程学云;吉根林;彭志娟;;基于SVM的信息融合新方法[J];计算机应用研究;2007年12期 |
6 |
张英,苏宏业,褚健;基于ISVM的软测量建模及其在PX生产中的应用研究[J];控制与决策;2005年10期 |
7 |
刘晔;王泽兵;冯雁;古红英;;基于增量支持向量机的DoS入侵检测[J];计算机工程;2006年04期 |
8 |
张曦煌;须文波;;基于增量学习的超球支持向量机设计[J];计算机工程与应用;2006年13期 |
9 |
孔波;刘小茂;张钧;;基于中心距离比值的增量支持向量机[J];计算机应用;2006年06期 |
10 |
孙晋文;肖建国;;基于SVM文本分类中的关键词学习研究[J];计算机科学;2006年11期 |
11 |
谷雨;基于增量式SVM的入侵检测研究[J];云南民族大学学报(自然科学版);2005年03期 |
12 |
张立;孟相如;马志强;周华;;边界偏转覆盖增量支持向量机[J];北京邮电大学学报;2010年04期 |
13 |
付晓利;杨永田;张乃庆;;一种基于多支持向量机的增量式并行训练算法[J];航空电子技术;2007年02期 |
14 |
白冬婴;王晓丹;张宏达;权文;;SVM增量学习中的概念迁移问题及处理方法[J];计算机工程与设计;2008年10期 |
15 |
冯佳;宋胜利;王荔;陈平;;一种新的SVM多层增量学习方法HISVML[J];微电子学与计算机;2009年05期 |
16 |
吴燕;王颖;宋丽亚;;基于增量SVM的可继续学习微钙化点检测算法[J];计算机与信息技术;2007年10期 |
17 |
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 |
18 |
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 |
19 |
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 |
20 |
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 |
|