[发明专利]一种基于支持向量几何意义的增量学习方法有效
| 申请号： | 201310585817.5 | 申请日： | 2013-11-20 |
| 公开（公告）号： | CN103605631A | 公开（公告）日： | 2014-02-26 |
| 发明（设计）人： | 张笑钦;王迪;樊明宇 | 申请（专利权）人： | 温州大学 |
| 主分类号： | G06F15/18 | 分类号： | G06F15/18;G06K9/62 |
| 代理公司： | 北京中北知识产权代理有限公司 11253 | 代理人： | 程春生 |
| 地址： | 325000*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于支持向量几何意义的增量学习方法，包括以下步骤：首先提出有效的选取给定个数凸包顶点样本的方法，称为CHVS方法，并从理论上证明此方法所选取的样本就是凸包顶点样本；其次通过在每一类样本集合中运用CHVS方法，从大数据量训练样本中选取出那些能够最大程度保持各类凸包信息的重要样本，称为VS方法；最后用这些选取的少量重要样本与新来的样本一起重新训练得到更新的分类器。本发明实现了有效的SVM增量学习分类方法，是一种通用的方法，相对于其它的经典SVM增量学习方法，本发明的增量学习方法更适合于大数据量的在线增量学习任务，具有很好的应用前景。 | ||
| 搜索关键词： | 一种 基于 支持 向量 几何 意义 增量 学习方法 | ||
【主权项】：
一种基于支持向量几何意义的增量学习方法，其特征在于包括以下步骤：（1）、提出有效的选取给定个数凸包顶点样本的方法，我们称为CHVS方法，并从理论上证明了此方法能够选取到凸包顶点样本；（2）、通过运用CHVS方法，从大数据量训练样本中选取出那些能够最大程度地保持各类凸包信息的重要样本，称为VS方法；（3）、用这些选取的少量重要样本与新来的样本一起重新训练得到更新的分类器；（4）、步骤（2）和（3）重复迭代，直到没有新的样本到来为止。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于温州大学，未经温州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201310585817.5/，转载请声明来源钻瓜专利网。
