[发明专利]基于样本分布密度改进KKT条件的SVM增量学习方法

摘要

本发明公开了一种基于样本分布密度改进KKT条件的SVM增量学习方法，包括：获得分类器的支持向量集SV0与分类器的标准KKT条件Ⅰ；构建SVM分类器Modelold的改进KKT条件Ⅰ；判断新增样本集B中样本是否满足SVM分类器Modelold的标准KKT条件Ⅰ；对新增样本集B中样本进行二次判断，判断是否满足SVM分类器Modelold的改进KKT条件Ⅰ；由候选支持向量集SV1训练分类器Model1；计算满足分类器Model1的改进KKT条件Ⅱ；采用SV0∪SV1∪SVadd集合训练分类器并输出更新后的分类器Model2。本发明提出的基于样本分布密度改进KKT条件能够实现样本分布不均衡的情况下对新增样本的有效筛选，提高SVM增量学习算法的泛化能力。