改进的球结构SVM多分类增量学习算法
DOI: 10.3969/j.issn.1006-7043.2009.09.013
Keywords: 多分类 SVM 球结构 增量学习 multi-class classification SVM sphere structured incremental learning
Abstract:
针对球结构支持向量机(support vector machine,SVM)增量学习算法在训练时间和分类精度上的不足,提出了一种改进的球结构SVM多分类增量学习算法.该算法首先构造一个完全二叉树用于多类分类;分析新增样本的加入对原支持向量集的影响,将新增样本集中部分样本和原始训练集中的支持向量以及分布在球体一定范围内的样本合并做为新的训练集,完成分类器的重构.实现通过减少训练样本缩短训练时间和完善分类器提高分类精度的目的.通过UCI标准数据集实验,结果表明,该算法在所需训练的样本数、训练时间以及准确率3方面都优于球结构SVM增量学习算法,尤其当样本分布不平衡时,该算法有更高的分类准确率.
| [1] | 1. VAPNIK V N Statistical learning theory 1998
|
| [2] | 2. 胡国胜.钱玲.张国红 支持向量机的多分类算法 2006(1)
|
| [3] | 3. 朱美琳.刘向东.陈世福 用球结构的支持向量机解决多分类问题 2003(2)
|
| [4] | 4. HAO P Y.LIN Y H A new multi-class support vector machine with multi-sphere in the feature space 2007
|
| [5] | 5. DOMENICONI C.GUNOPULOS D Incremental support vector machine construction 2001
|
| [6] | 6. 杨静.张健沛.刘大昕 基于多支持向量机分类器的增量学习算法研究 2006(1)
|
| [7] | 7. 萧嵘.王继成.孙正兴 一种SVM 增量学习算法α-ISVM 2001(12)
|
| [8] | 8. 朱美琳.杨佩 基于支持向量机的多分类增量学习算法 2006(17)
|
| [9] | 9. 谢志强.于亮.杨静 多维数据的改进最小生成树聚类算法 2008(8)
|
Full-Text
