球向量机的快速在线学习

作     者：杨海峰 刘渊 谢振平 丁学东 Yang Haifeng;Liu Yuan;Xie Zhenping;Ding Xuedong

作者机构：江南大学数字媒体学院江苏无锡214122 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：2013年第50卷第9期

页      面：1836-1842页

核心收录：

学科分类：0810[工学-信息与通信工程] 0808[工学-电气工程] 08[工学] 081104[工学-模式识别与智能系统] 0839[工学-网络空间安全] 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：国家自然科学基金项目(60975027 61103223) 江苏省自然科学基金重点项目(BK2011003) 中央高校基本科研业务费专项基金项目(JUSRP11125) 无锡市科技支撑计划(社会发展)基金项目(CSE01N1206) 

主　　题：球向量机 在线学习 非线性分类 核分类器 在线球向量机 

摘      要：在大数据分析处理中,有效学习样本逐渐增加,据此如何高效渐进地学习分类器是一个非常有价值的问题.相比于支撑向量机和核向量机,球向量机自身在批量样本学习中具有速度快、准确率高的特点,但该方法不适合快速的在线学习.针对该问题提出了在线球向量机.首先将二分类问题转为两个单分类问题,利用球向量机(ball vector machine,BVM)对超球球心的更新算法对每一个训练向量仅迭代一次,求得两个高维超球的球心,随后直接利用两个高维超球球心的垂直平分面进行分类.理论分析证明了新方法的有效性,与现有在线增量学习方法的实验比较结果表明,在线球向量机(online ball vector machine,OBVM)在时间计算复杂度和综合性能方面有显著优势.