论文部分内容阅读
通过对SVDD增量学习中支持向量的变化特性分析,提出一种基于有效向量集的SVDD增量学习算法EISVDD。在算法的增量学习过程中,利用原训练样本和新增训练样本中的有效向量集作为更新时的训练样本,舍弃对更新后分类器结构无贡献的远界非支持向量集。实验表明,该算法在有效减少训练时间的同时保持了传统批量式SVDD算法的良好分类性能。