支持向量机增量学习算法综述  

Summary of SVM incermental learning algorithm

作　　者：李祥纳[1] 艾青[2] 秦玉平[1] 刘卫江 

机构地区：[1]渤海大学信息科学与工程学院,辽宁锦州121013 [2]辽宁科技大学计算机科学与工程学院,辽宁鞍山114051 [3]东南科学与技术学科博士后流动站,江苏南京210096

出　　处：《渤海大学学报（自然科学版）》2007年第2期187-189,共3页Journal of Bohai University:Natural Science Edition

基　　金：国家基础研究重大项目(973)研究专项(No:2001CCA00700);国家自然科学基金资助项目(No:90104031)

摘　　要：支持向量机增量学习算法,有效的解决了因数据集庞大而引起的内存不足问题,改善了因出现新样本而造成原分类器分类精度降低、分类时间延长的局面。本文阐述了几种具有代表性的增量学习算法,比较了它们的优缺点,给出了进一步的研究方向。SVM incremental learning algorithm effectively solves the problems caused by insufficient memory due to sufficient data sets, and improves the situation in which classification accuracy is lowered due to the appearance of new samples and classification time is extended. A few typical incremental algorithms are provided, their advantages and disadvantages are compared, and further resarch dirction is poointed out.

关 键 词：支持向量机 增量学习 算法 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]