首页 > 《商洛学院学报》 > 2017年2期 > 动态代价支持向量机增量学习算法

动态代价支持向量机增量学习算法

在线阅读下载PDF 导出详情

摘要在不均衡数据集下,SVM分类超平面的偏移,使得基于KKT条件进行样本选择的增量学习算法性能不佳,针对该问题,提出动态代价的SVM增量学习算法,该算法依据各类样本密度之间的关系动态计算类的错分代价,减少每次迭代中分类超平面偏移造成的错误累积,保证依据KKT条件选取样本的准确性,使得每次迭代选取的样本都包含当前分类器缺少的空间信息,提高最终分类器在不均衡数据集下的分类性能.最后,在UCI数据集上的仿真实验结果表明该算法能够提高不均衡数据下的分类性能.

DOI 5jo96rrzjv/1727984

作者杜红乐;张燕

机构地区不详

出处《商洛学院学报》 2017年2期

关键词支持向量机不均衡数据集增量学习 KKT条件

分类 [文化科学][教育学]

出版日期 2017年02月12日（中国期刊网平台首次上网日期，不代表论文的发表时间）

相关文献

1郭雪松;孙林岩;徐晟. 基于超球结构的支持向量机增量学习算法.运筹学与控制论,2007-04.
2孙灏. 基于特征学习与支持向量机的仪表识别算法.高等教育学,2018-02.
3牟廉明. 统计学习与支持向量机.教育学,2002-06.
4王宇鹏;王致杰;刘琦;徐莉莉;王鸿;程亚丽. 基于动态柯西蜂群算法优化支持向量机的风机叶片故障诊断.电力电子与电力传动,2018-01.
5张乔. 改进粒子群算法优化支持向量机预测模型的研究.建筑技术科学,2020-09.
6张光辉;程昱. 干扰识别的量子粒子群和支持向量机算法.物理电子学,2011-05.
7蔡家骐. 轨交站点客流的支持向量机预测算法研究.建筑技术科学,2021-09.
8王丽婕;厉虹;方市彬. 基于人工鱼群优化算法的支持向量机短期风电功率预测模型.电力电子与电力传动,2016-10.
9李卓文宋金朋. 支持向量机的研究与应用.建筑设计及理论,2015-12.
10陈恳. 基于对支持向量机的多类分类算法在入侵检测中的应用.,2023-08.

来源期刊

商洛学院学报

相关推荐

同分类资源更多

相关关键词

支持向量机不均衡数据集增量学习 KKT条件

返回顶部