本文選題：LSH + SVM��； 參考：《計(jì)算機(jī)科學(xué)》2017年S2期

【摘要】：為了提高大規(guī)模高維度數(shù)據(jù)的訓(xùn)練速度和分類精度,提出了一種基于局部敏感哈希的SVM快速增量學(xué)習(xí)方法。算法首先利用局部敏感哈希能快速查找相似數(shù)據(jù)的特性,在SVM算法的基礎(chǔ)上篩選出增量中可能成為SV的樣本,然后將這些樣本與已有SV一起作為后續(xù)訓(xùn)練的基礎(chǔ)。使用多個(gè)數(shù)據(jù)集對(duì)該算法進(jìn)行了驗(yàn)證。實(shí)驗(yàn)表明,在大規(guī)模增量數(shù)據(jù)樣本中,提出的SVM快速增量學(xué)習(xí)算法能有效地提高訓(xùn)練學(xué)習(xí)的速度,并能保持有效的準(zhǔn)確率。
[Abstract]:In order to improve the training speed and classification accuracy of large-scale high-dimensional data, a fast incremental learning method for SVM based on local sensitive hashing is proposed. The algorithm firstly uses the property of local sensitive hashing to find similar data quickly, and then selects samples that may be SV in increment based on SVM algorithm, and then takes these samples together with existing SV as the basis of subsequent training. The algorithm is verified by multiple data sets. Experimental results show that the proposed SVM fast incremental learning algorithm can effectively improve the training learning speed and maintain an effective accuracy in large scale incremental data samples.
【作者單位】： 浙江工業(yè)大學(xué)信息工程學(xué)院;
【基金】：面向非特定產(chǎn)品質(zhì)量檢測(cè)的一般性目標(biāo)識(shí)別方法(LZ14F030001)資助
【分類號(hào)】：TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊靜;張健沛;劉大昕;;基于多支持向量機(jī)分類器的增量學(xué)習(xí)算法研究[J];哈爾濱工程大學(xué)學(xué)報(bào);2006年01期

2 秦玉平;王秀坤;王春立;;實(shí)現(xiàn)兼類樣本類增量學(xué)習(xí)的一種算法[J];控制與決策;2009年01期

3 秦玉平;王秀坤;王春立;;實(shí)現(xiàn)兼類樣本增量學(xué)習(xí)的一種算法[J];計(jì)算機(jī)應(yīng)用與軟件;2009年08期

4 秦玉平;陳一荻;王春立;王秀坤;;一種新的類增量學(xué)習(xí)方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年34期

5 時(shí)建中;程龍生;;基于增量學(xué)習(xí)系統(tǒng)的財(cái)務(wù)危機(jī)動(dòng)態(tài)預(yù)警[J];技術(shù)經(jīng)濟(jì);2012年05期

6 王洪波;趙光宙;齊冬蓮;盧達(dá);;一類支持向量機(jī)的快速增量學(xué)習(xí)方法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2012年07期

7 秦玉平;倫淑嫻;王秀坤;;一種新的兼類樣本類增量學(xué)習(xí)算法[J];計(jì)算機(jī)科學(xué);2012年09期

8 姜卯生,王浩,姚宏亮;樸素貝葉斯分類器增量學(xué)習(xí)序列算法研究[J];計(jì)算機(jī)工程與應(yīng)用;2004年14期

9 劉梅,權(quán)太范,姚天賓;基于增量學(xué)習(xí)神經(jīng)模糊網(wǎng)絡(luò)的機(jī)動(dòng)目標(biāo)跟蹤[J];電子學(xué)報(bào);2005年11期

10 李祥納;艾青;秦玉平;劉衛(wèi)江;;支持向量機(jī)增量學(xué)習(xí)算法綜述[J];渤海大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

相關(guān)會(huì)議論文 前10條

1 秦亮;唐靜;史賢俊;肖支才;;一種改進(jìn)的支持向量機(jī)增量學(xué)習(xí)算法[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

2 張慶彬;吳惕華;劉波;;一種改進(jìn)的基于群體的增量學(xué)習(xí)算法[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

3 張健沛;李忠偉;楊靜;;一種基于多支持向量機(jī)的并行增量學(xué)習(xí)方法(英文)[A];第二十二屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

4 王悅凱;吳曉峰;翁巨揚(yáng);;Where-What網(wǎng)絡(luò)增量學(xué)習(xí)特性探究[A];第一屆全國(guó)神經(jīng)動(dòng)力學(xué)學(xué)術(shù)會(huì)議程序手冊(cè) & 論文摘要集[C];2012年

5 趙瑩;萬(wàn)福永;;支持向量機(jī)的增量學(xué)習(xí)算法及其在多類分類問(wèn)題中的應(yīng)用[A];第25屆中國(guó)控制會(huì)議論文集（下冊(cè)）[C];2006年

6 王紅軍;徐小力;付瑤;;基于SVM的旋轉(zhuǎn)機(jī)械故障診斷知識(shí)獲取[A];第八屆全國(guó)設(shè)備與維修工程學(xué)術(shù)會(huì)議、第十三屆全國(guó)設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集[C];2008年

7 陳兆基;楊宏暉;杜方鍵;;用于水下目標(biāo)識(shí)別的選擇性SVM集成算法[A];中國(guó)聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2011年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2011年

8 劉欣;章勇;王娟;;增量學(xué)習(xí)的TFIDF_NB協(xié)同訓(xùn)練分類算法[A];中國(guó)電子學(xué)會(huì)第十六屆信息論學(xué)術(shù)年會(huì)論文集[C];2009年

9 程麗麗;張健沛;楊靜;馬駿;;一種改進(jìn)的層次SVM多類分類方法[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

10 劉閃電;王建東;;權(quán)重部分更新的大規(guī)模線性SVM求解器[A];2009年研究生學(xué)術(shù)交流會(huì)通信與信息技術(shù)論文集[C];2009年

相關(guān)博士學(xué)位論文 前5條

1 孫宇;針對(duì)含有概念漂移問(wèn)題的增量學(xué)習(xí)算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

2 李敬;增量學(xué)習(xí)及其在圖像識(shí)別中的應(yīng)用[D];上海交通大學(xué);2008年

3 段華;支持向量機(jī)的增量學(xué)習(xí)算法研究[D];上海交通大學(xué);2008年

4 劉曉峰;面向抗噪語(yǔ)音識(shí)別的SVM關(guān)鍵問(wèn)題研究[D];太原理工大學(xué);2014年

5 趙強(qiáng)利;基于選擇性集成的在線機(jī)器學(xué)習(xí)關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 李丹;基于馬氏超橢球?qū)W習(xí)機(jī)的增量學(xué)習(xí)算法研究[D];渤海大學(xué);2015年

2 趙翠翠;基于RBF神經(jīng)網(wǎng)絡(luò)的集成增量學(xué)習(xí)方法研究[D];河北工業(yè)大學(xué);2015年

3 王會(huì)波;基于支持向量機(jī)的混合增量學(xué)習(xí)算法與應(yīng)用[D];華中師范大學(xué);2016年

4 張健;增量學(xué)習(xí)在電子鼻智能烘烤系統(tǒng)中的應(yīng)用研究[D];重慶大學(xué);2016年

5 潘振春;基于實(shí)例的領(lǐng)域適應(yīng)增量學(xué)習(xí)方法研究[D];南京理工大學(xué);2017年

6 劉國(guó)欣;基于增量學(xué)習(xí)SVM分類算法的研究與應(yīng)用[D];中北大學(xué);2017年

7 杜玲;覆蓋算法的增量學(xué)習(xí)研究[D];安徽大學(xué);2010年

8 張智敏;基于增量學(xué)習(xí)的分類算法研究[D];華南理工大學(xué);2010年

9 李杰;數(shù)據(jù)復(fù)雜度的增量學(xué)習(xí)方法研究[D];廣東工業(yè)大學(xué);2015年

10 王媛;支持向量機(jī)增量學(xué)習(xí)算法及其在入侵檢測(cè)中的應(yīng)用研究[D];吉林大學(xué);2008年

，

本文編號(hào)：2061933