一种快速SVR增量学习算法

摘要 为了缓解存储压力,保证预测精度,提高学习效率,提出一种新的基于样本相似性度量的SVR增量学习算法.算法根据新增样本的特点判断是否调整当前的预测模型,通过引入样本相似性度量来保证训练样本的质量,并结合样本标记的方法和误差驱动的原则实现对历史样本的删减.在标准数据集上的测试验证了算法的良好性能;在某机场噪声数据上的对比实验也表明,该算法的性能明显优于非增量和一般增量学习算法