论文部分内容阅读
出了一种新的基于边界向量的增量式支持向量机学习算法。该算法根据支持向量的几何分布特点，采用边界向量预选取方法，从增量样本中选取最有可能成为支持向量的样本形成边界向量集，在其上进行支持向量训练。通过对初始样本是否满足新增样本KKT条件的判断，解决非支持向量向支持向量的转化问题，有效地处理历史数据。针对UCI标准数据集上的仿真实验表明，基于边界向量的增量算法可以有效地减少训练样本数，积累历史信息．具有更高的分类速度和更好的推广能力。