论文部分内容阅读
提出一种新的基于向量投影的支持向量机增量式学习算法。该算法根据支持向量的几何分布特点,采用向量投影的方法对初始样本及增量样本在有效地避免预选取失效情况下进行预选取。选取最有可能成为支持向量的样本形成边界向量集,并在其上进行支持向量机训练。通过对初始样本是否满足新增样本集KKT条件的判断,解决非支持向量向支持向量转化的问题,有效地处理历史数据。实验表明,基于向量投影的支持向量机增量算法可以有效地减少训练样本数,积累历史信息,提高训练的速度,从而具有更好的推广能力。