2024年8月28日
星期三
|
欢迎来到青海省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
江苏省“青蓝工程”基金(BK2009393)
作品数:
1
被引量:3
H指数:1
相关作者:
丁文
朱发
潘冬寅
业宁
更多>>
相关机构:
南京林业大学
更多>>
发文基金:
江苏省“青蓝工程”基金
江苏省自然科学基金
更多>>
相关领域:
自动化与计算机技术
更多>>
相关作品
相关人物
相关机构
相关资助
相关领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
自动化与计算...
主题
1篇
学习算法
1篇
增量学习算法
1篇
支持向量
1篇
支持向量机
1篇
支持向量机增...
1篇
向量
1篇
向量机
机构
1篇
南京林业大学
作者
1篇
业宁
1篇
潘冬寅
1篇
朱发
1篇
丁文
传媒
1篇
计算机工程与...
年份
1篇
2012
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于最小样本平面距离的支持向量机增量学习算法
被引量:3
2012年
支持向量机增量算法的关键是对历史样本集的剪辑,在历史样本集中选择出尽可能少又能表示尽可能多历史样本集信息的子集,再把这个子集与新增训练样本集放在一起进行训练。Liva Ralaivola[1]提出保留新增样本最近邻样本来表示历史样本集,而这样的最近邻样本中可能存在冗余样本。根据历史样本与分类平面间的距离可以去除新增样本最近邻样本集中的冗余样本。根据样本平面距离提出了MSPDISVM(minimum sample plane distance incremental support vector ma-chines)算法。实验结果表明,MSPDISVM比Liva Ralaivola提出的算法有更快的速度,而精度没有太大的差异。使用样本平面距离可以有效地去除新增样本最近邻中的冗余样本。
朱发
业宁
潘冬寅
丁文
关键词:
支持向量机
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张