基于kkt条件与壳向量的增量学习算法研究

摘要针对经典支持向量机难以快速有效地进行增量学习的缺点，提出了基于kkt条件与壳向量的增量学习算法，该算法首先选择包含所有支持向量的壳向量，利用kkt条件淘汰新增样本中无用样本，减小参与训练的样本数目，然后在新的训练集中快速训练支持向量机进行增量学习。将该算法应用于uci数据集和电路板故障分类识别，实验结果表明，该算法不仅能保证学习机器的精度和良好的推广能力，而且其学习速度比经典的smo算法快，可以进行增量学习。