浙江省科技计划项目(2008C21141)
- 作品数：2 被引量：11H指数：2
- 相关作者：赵光宙王洪波齐冬莲卢达顾弘更多>>
- 相关机构：浙江大学更多>>
- 发文基金：国家自然科学基金浙江省科技计划项目浙江省科技攻关计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 一类支持向量机的快速增量学习方法被引量：6
- 2012年
- 提出一类支持向量机(OCSVM)的快速增量学习方法.在OCSVM初始分类器的基础上,添加一个德尔塔函数形成新的决策函数,实现增量学习的过程.通过分析德尔塔函数的几何特性,构造出与OCSVM相似的优化目标函数,从而求解德尔塔函数的参数.优化问题能够进一步转化为标准的二次规划(QP)问题,但是在优化过程中Karush-Kuhn-Tucker(KKT)条件发生很大改变.根据新的KKT条件,为QPP提出修正的序贯最小优化(SMO)求解方法.整个学习过程直接操作初始分类器,仅仅训练新增样本,避免了对初始样本的重复训练,因此能够节约大量的学习时间和存储空间.实验结果表明,提出的快速增量学习方法在时间和精度上均优于其他的增量学习方法.
- 王洪波赵光宙齐冬莲卢达
- 关键词：KKT条件
- 基于支持向量机和多球体的一对多分类器被引量：5
- 2009年
- 为了提高支持向量机(SVM)多分类器的训练效率,将多球体思想引入有指导学习,对训练样本按类别分别进行一类支持向量机(1-SVM)训练得到多球体分类器.针对多球体的冗余区域,构造简化一对多分类器将各球内混叠样本与正常样本分离.以上两个分类器性能互补,可以加权组合为多球体一对多分类器.同时给出了组合分类器基于交叉验证的权重估计和参数调整.仿真实验表明,相对于一对多算法,该分类器训练时间较短且分类正确率较高;相对于一对一算法,该分类器决策速度较快,有助于解决大样本的多分类问题.
- 徐磊赵光宙顾弘
- 关键词：一对一
