基于支持向量機的在線學(xué)習(xí)算法研究.pdf

1、支持向量機(SVM，SupportVectorMachine)作為機器學(xué)習(xí)(MachineLearning)的一個重要研究分支，近年來正受到越來越多的重視，并成為了機器學(xué)習(xí)當(dāng)中的一個研究熱點。
　　支持向量機理論的其中一個特點就是追求系統(tǒng)風(fēng)險最小化。正是這種優(yōu)越的特性使得其應(yīng)用價值得到了廣泛的肯定。隨著支持向量機從理論研究走向?qū)嵺`應(yīng)用，實際工程應(yīng)用對其也提出了更高的要求，其中一個要求就是支持在線學(xué)習(xí)功能。
　　機器學(xué)習(xí)中在線

2、學(xué)習(xí)算法也是一個重要研究分支，而由于支持向量機的理論和應(yīng)用價值突出，其在線學(xué)習(xí)算法近年來也成為了熱點之一。幾種支持向量機的在線學(xué)習(xí)軟件算法也相繼被提出，并有了良好的應(yīng)用效果。隨著機器學(xué)習(xí)的進(jìn)一步發(fā)展，支持向量機的在線學(xué)習(xí)也將會突出其理論和應(yīng)用價值。然而，近年來對支持向量機及其在線學(xué)習(xí)算法研究卻比較少，之前所提出的在線學(xué)習(xí)算法訓(xùn)練時間和分類精度都需要得到提高，因此該研究分支將有很大的發(fā)展空間。本文針對以上問題，做了如下工作:
　　(

3、1)概述支持向量機的發(fā)展背景、應(yīng)用領(lǐng)域和研究現(xiàn)狀，并詳細(xì)介紹了支持向量機的數(shù)學(xué)原理，對原理中中各部分所涉及的理論進(jìn)行了比較完整的敘述。
　　(2)介紹和總結(jié)了支持向量機的在線學(xué)習(xí)算法的研究現(xiàn)狀和一些算法實現(xiàn)方法，并重點介紹了基于KKT條件的增量學(xué)習(xí)算法和基于時間窗口的等量學(xué)習(xí)算法。
　　(3)針對增量學(xué)習(xí)領(lǐng)域，提出了基于殼向量和中心密度的支持向量機增量學(xué)習(xí)算法。該算法利用殼向量和中心密度算法挑選出潛在的支持向量和可能轉(zhuǎn)變?yōu)橹?/p>