首页> 中文期刊> 《计算机工程》 >基于支持向量机的多分类增量学习算法

基于支持向量机的多分类增量学习算法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

支持向量机被成功地应用在分类和回归问题中,但是由于其需要求解二次规划,使得支持向量机在求解大规模数据上具有一定的缺陷,尤其是对于多分类问题,现有的支持向量机算法具有太高的算法复杂性.该文提出一种基于支持向量机的增量学习算法,适合多分类问题,并将之用于解决实际问题.

著录项

来源
《计算机工程》 |2006年第17期|77-79|共3页
作者
朱美琳; 杨佩;
展开▼
作者单位

南京大学工程管理学院;

南京;

210093;

南京大学工程管理学院;

南京;

210093;

展开▼
原文格式 PDF
正文语种 chi
中图分类人工智能理论;
关键词
支持向量机; 增量学习; 多分类问题;

相似文献

中文文献
外文文献
专利

1. 基于最小样本平面距离的支持向量机增量学习算法 [J] . 朱发 ,业宁 ,潘冬寅 . 计算机工程与设计 . 2012,第001期
2. 基于壳向量的支持向量机渐进式增量学习算法 [J] . 覃俊 ,许斐 . 中南民族大学学报（自然科学版） . 2011,第003期
3. 基于支持向量机增量学习和LPBoost的人体目标再识别算法 [J] . 许允喜 ,蒋云良 ,陈方 . 光子学报 . 2011,第5期
4. 基于支持向量机的增量学习算法 [J] . 李永丽 ,刘衍珩 ,肖见涛 . 吉林大学学报（理学版） . 2010,第003期
5. 基于超球的支持向量机增量学习算法 [J] . 徐喆 ,毛志忠 . 东北大学学报（自然科学版） . 2010,第001期
6. 基于支持向量集子集的支持向量机增量学习算法 [C] . 朱发 ,业宁 ,潘冬寅 . 第七届全国计算机支持的协同工作学术会议暨第五届全国智能信息网络学术会议 . 2010
7. 基于支持向量机的混合增量学习算法与应用 [A] . 王会波 . 2016

获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

客服微信
服务号