潘世超
- 作品数：2 被引量：10H指数：2
- 供职机构：山西大学计算机与信息技术学院更多>>
- 发文基金：山西省回国留学人员科研经费资助项目国家自然科学基金山西省高等学校科技创新项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于组合半监督的增量支持向量机学习算法被引量：7
- 2016年
- 增量支持向量机(ISVM)由于在每次增量学习过程中无法选择最有效的增量样本,导致模型的泛化性能较差.针对此问题,文中提出基于组合半监督方式的增量支持向量机学习算法(ICS3VM).通过将大量的无标记样本分批进行组合标记以选择最优的增量样本,即每次选择位于分类间隔内部的最有价值样本加入训练集,以此修正模型.同时选择分类间隔最大的一组标记作为最终标记,确保标记的准确性.在标准数据集上的实验表明,ICS3VM能以较高的学习效率提高模型的泛化性能.
- 郭虎升王文剑潘世超
- 关键词：支持向量机
- 基于概率密度分布的增量支持向量机算法被引量：6
- 2013年
- 增量支持向量机(Incremental Support Vector Machine,ISVM)模型通过每次加入一个或者一批样本进行学习,将大规模问题分解成一系列子问题,以提高支持向量机(Support Vector Machine,SVM)处理大规模数据的学习效率,但传统ISVM(Traditional ISVM,TISVM)模型中增量样本的选择方法不当可能降低其效率和泛化能力.针对ISVM中增量样本的选择问题,提出了一种基于概率密度分布的ISVM算法,称为PISVM,该方法通过概率密度分布选择含有较多重要分类信息(有可能成为支持向量)的增量样本进行训练,使得分类器能够以最快的速度收敛到最优.在标准数据集UCI上的实验结果表明PISVM模型可以在保持其泛化能力的同时进一步提高学习效率.
- 潘世超王文剑郭虎升
- 关键词：支持向量机
