[发明专利]一种融合增量学习的支持向量机多类分类方法无效
| 申请号： | 201010289451.3 | 申请日： | 2010-09-17 |
| 公开（公告）号： | CN101944122A | 公开（公告）日： | 2011-01-12 |
| 发明（设计）人： | 琚春华;郑丽丽;梅铮 | 申请（专利权）人： | 浙江工商大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 杭州九洲专利事务所有限公司 33101 | 代理人： | 韩小燕 |
| 地址： | 310018 浙江*** | 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： | 本发明涉及一种融合增量学习的支持向量机多类分类方法。本发明的目的是提供一种融合增量学习的支持向量机多类分类方法，旨在减少样本的训练时间、提高分类器的分类精度及抗干扰性。本发明的技术方案是：1、在总的样本中随机抽取一部分作为训练样本集D，另一部分作为测试样本集T；2、对训练样本集D进行预抽取支持向量；3、用循环迭代法对预抽取训练样本集PTS进行支持向量机训练，得到多类分类模型M-SVM；4、对多类分类模型M-SVM进行二叉树处理，得到支持向量机多类分类模型BTMSVM0；5、对多类分类模型BTMSVM0进行增量学习训练，得到模型BTMSVM1；6、将步骤1中的测试样本集T输入到多类分类模型BTMSVM1进行分类。本发明用于通过增量学习对海量信息进行高效多类分类。 | ||
| 搜索关键词： | 一种 融合 增量 学习 支持 向量 机多类 分类 方法 | ||
【主权项】：
一种融合增量学习的支持向量机多类分类方法，其特征在于包括步骤：步骤1、在总的样本中随机抽取一部分作为训练样本集D，另一部分作为测试样本集T；步骤2、对训练样本集D进行预抽取支持向量，获得最终的预抽取训练样本集PTS，剩下的训练样本作为增量样本集B0；步骤3、用循环迭代法对预抽取训练样本集PTS进行支持向量机训练，得到多类分类模型M‑SVM；步骤4、对多类分类模型M‑SVM进行二叉树处理，得到基于二叉树的支持向量机多类分类模型BTMSVM0；步骤5、对多类分类模型BTMSVM0进行增量学习训练，得到新的多类分类模型BTMSVM1；步骤6、将步骤1中的测试样本集T输入到多类分类模型BTMSVM1进行分类。
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浙江工商大学，未经浙江工商大学许可，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/201010289451.3/，转载请声明来源钻瓜专利网。
