一种svm增量学习算法α-isvm

基于svm(supportvectormachine)理论的分类算法,由于其完善的理论基础和良好的试验结果,目前已逐渐引起国内外研究者的关注.深入分析了svm理论中sv(supportvector,支持向量)集的特点,给出一种简单的svm增量学习算法.在此基础上,进一步提出了一种基于遗忘因子α的svm增量学习改进算法α-isvm.该算法通过在增量学习中逐步积累样本的空间分布知识,使得对样本进行有选择地遗忘成为可能.理论分析和实验结果表明,该算法能在保证分类精度的同时,有效地提高训练速度并降低存储空间的占用.