新的支持向量機增量學習算法.pdf

1、由Vapnik等人所提出的支持向量機自1992年在計算學習理論會議上進入機器學習領域之后，便受到了不少業(yè)內學者的密切關注。支持向量機是建立在統(tǒng)計學習理論和結構風險最小化原則基礎上的一種全新的機器學習方法，集優(yōu)化、核、最佳推廣能力等特點于一身，有著很好的學習性能和泛化能力，目前已經成功并廣泛的應用于許多領域，現已成為機器學習和數據挖掘領域的標準學習工具。
　　 但是在實際問題中，樣本的采集及對樣本的認知都是一個逐步積累的過程，因此

2、新增訓練樣本對于實際問題來說是常見而又合理的。增量學習技術是一種得到廣泛應用的智能化數據挖掘與知識發(fā)現技術，它基于歷史的學習結果對新增加的數據進行再學習，使得學習具有一定的連續(xù)性。
　　 運用增量學習的思想進行支持向量機增量學習，現有的簡單支持向量機增量學習算法大部分都沒有充分考慮到新增樣本對初始樣本集中位于支持向量附近的非支持向量的影響，致使一些有用的歷史數據過早的被淘汰，從而嚴重影響分類的精度。針對這一問題提出了一種新的SV