基于向量投影的支持向量機增量學習算法.pdf

1、支持向量機是Vapllik等人提出的一種新的機器學習方法，它基于統(tǒng)計學習理論，借助最優(yōu)化方法來解決機器學習問題，體現(xiàn)了統(tǒng)計學習理論中的結(jié)構(gòu)風險最小化思想。在實際應用中，需要處理的往往是海量的數(shù)據(jù)，因此，如何提高支持向量機對大規(guī)模數(shù)據(jù)的處理能力，使支持向量機的應用范圍更為廣泛，成為目前的一個研究熱點。本文針對這個問題主要做了以下幾個方面的工作。 采用增量學習策略進行支持向量機增量學習，并且針對簡單支持向量機增量學習算法沒有考慮到非

2、支持向量向支持向量轉(zhuǎn)變的情況，提出一種改進的支持向量機增量學習算法，該算法通過KKT條件有效地處理歷史樣本，從而提高了簡單支持向量機增量學習算法的分類精度。 引入支持向量預選取概念，在有效避免預選取失效的同時將增量學習思想與預選取相結(jié)合，提出一種基于向量投影的支持向量機增量學習算法。該算法利用支持向量的幾何分布特點，采用向量投影的方法，對樣本進行預選取，從增量樣本中選取最有可能成為支持向量的樣本形成邊界向量集，它是支持向量集的一