基于支持向量機的在線學習算法研究.pdf

1、支持向量機(SVM，SupportVectorMachine)作為機器學習(MachineLearning)的一個重要研究分支，近年來正受到越來越多的重視，并成為了機器學習當中的一個研究熱點。
　　支持向量機理論的其中一個特點就是追求系統(tǒng)風險最小化。正是這種優(yōu)越的特性使得其應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實踐應用，實際工程應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習功能。
　　機器學習中在線

2、學習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用價值突出，其在線學習算法近年來也成為了熱點之一。幾種支持向量機的在線學習軟件算法也相繼被提出，并有了良好的應用效果。隨著機器學習的進一步發(fā)展，支持向量機的在線學習也將會突出其理論和應用價值。然而，近年來對支持向量機及其在線學習算法研究卻比較少，之前所提出的在線學習算法訓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、應用領域和研究現(xiàn)狀，并詳細介紹了支持向量機的數(shù)學原理，對原理中中各部分所涉及的理論進行了比較完整的敘述。
　　(2)介紹和總結了支持向量機的在線學習算法的研究現(xiàn)狀和一些算法實現(xiàn)方法，并重點介紹了基于KKT條件的增量學習算法和基于時間窗口的等量學習算法。
　　(3)針對增量學習領域，提出了基于殼向量和中心密度的支持向量機增量學習算法。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變?yōu)橹?/p>