一种SVM增量学习算法α-ISVM

作     者：萧嵘 王继成 孙正兴 张福炎 

作者机构：南京大学计算机软件新技术国家重点实验室江苏南京210093 南京大学计算机科学与技术系江苏南京210093 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2001年第12卷第12期

页      面：1818-1824页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目 (6 990 30 0 6 6 0 0 730 30 ) 江苏省"九五"科技重点攻关资助项目(BE96 0 17)~~ 

主　　题：机器学习 SVM理论 增量学习算法 α-ISVM 

摘      要：基于 SVM(supportvector machine)理论的分类算法 ,由于其完善的理论基础和良好的试验结果 ,目前已逐渐引起国内外研究者的关注 .深入分析了 SVM理论中 SV(support vector,支持向量 )集的特点 ,给出一种简单的SVM增量学习算法 .在此基础上 ,进一步提出了一种基于遗忘因子α的 SVM增量学习改进算法α- ISVM.该算法通过在增量学习中逐步积累样本的空间分布知识 ,使得对样本进行有选择地遗忘成为可能 .理论分析和实验结果表明 ,该算法能在保证分类精度的同时 ,有效地提高训练速度并降低存储空间的占用 .