增量和减量式标准支持向量机的分析

当训练数据每次发生改变时,例如增加或者删除部分数据,标准支持向量机的批处理算法就需要重新进行训练,这将不适合在线环境的计算.为了克服这个问题,Cauwenberghs 和Poggio 提出了增量和减量式标准支持向量机算法(C&P 算法).通过理论分析,证明C&P 算法的可行性和有限收敛性.可行性证明确保了C&P 算法的每步调整都是可靠的,有限收敛性证明确保了C&P 算法通过有限步调整最终收敛到问题的最优解.在此基础上,进一步通过实验结果验证了所给出的理论分析的结果