您的位置： 专家智库 > >

江苏省“青蓝工程”基金(BK2009393)

作品数：1 被引量：3H指数：1
相关作者：丁文朱发潘冬寅业宁更多>>
相关机构：南京林业大学更多>>
发文基金：江苏省“青蓝工程”基金江苏省自然科学基金更多>>
相关领域：自动化与计算机技术更多>>

文献类型

  • 1篇中文期刊文章

领域

  • 1篇自动化与计算...

主题

  • 1篇学习算法
  • 1篇增量学习算法
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇支持向量机增...
  • 1篇向量
  • 1篇向量机

机构

  • 1篇南京林业大学

作者

  • 1篇业宁
  • 1篇潘冬寅
  • 1篇朱发
  • 1篇丁文

传媒

  • 1篇计算机工程与...

年份

  • 1篇2012
共 1 条 记 录，以下是 1-1
全选 清除 导出
排序方式：
基于最小样本平面距离的支持向量机增量学习算法被引量：3
2012年
支持向量机增量算法的关键是对历史样本集的剪辑,在历史样本集中选择出尽可能少又能表示尽可能多历史样本集信息的子集,再把这个子集与新增训练样本集放在一起进行训练。Liva Ralaivola[1]提出保留新增样本最近邻样本来表示历史样本集,而这样的最近邻样本中可能存在冗余样本。根据历史样本与分类平面间的距离可以去除新增样本最近邻样本集中的冗余样本。根据样本平面距离提出了MSPDISVM(minimum sample plane distance incremental support vector ma-chines)算法。实验结果表明,MSPDISVM比Liva Ralaivola提出的算法有更快的速度,而精度没有太大的差异。使用样本平面距离可以有效地去除新增样本最近邻中的冗余样本。
朱发业宁潘冬寅丁文
关键词：支持向量机
全选 清除 导出
共1页<1>
聚类工具0