|
|||||
|
|
| 面向非静态数据分类的演进支持向量机 | |
| 引用本文： | 史荧中*,王士同,张景祥,倪彤光. 面向非静态数据分类的演进支持向量机[J]. 电子与信息学报, 2013, 0(6) |
| 作者姓名： | 史荧中* 王士同 张景祥 倪彤光 |
| 作者单位： | 1. 江南大学数字媒体学院 无锡 214122 2. 无锡职业技术学院物联网技术学院 无锡 214121 3. 常州大学信息科学与工程学院 常州 213164 |
| 摘 要： | 时间自适应支持向量机(TA-SVM)方法在处理非静态数据集时表现出良好的性能,但仅根据邻接子分类器相似而获得的相关信息并不充分,由此可能会导致训练所得模型不可靠,限制其应用能力.该文通过定义子分类器序列的相关性衰减函数,提出新的面向非静态数据分类问题的演进支持向量机(Evolving Support Vector Machines, ESVM).ESVM 使用衰变函数以体现子分类器之间的相关程度,通过约束所有子分类器之间的带权差异以求得变化更光滑的子分类器序列,契合了数据中隐藏的渐变概念.在各种数据缓慢变化场景的对比实验中,该文的 ESVM 方法优于 TA-SVM 方法. |
| 关 键 词： | 支持向量机 分类器序列 非静态数据 演进 衰变函数 |
Research on Evolving Support Vector Machines for Nonstationary Data Classification |
|
| Abstract: | |
| Keywords: | Support Vector Machine (SVM) Subclassifiers serials Nonstationary data Evolving Decay function |
| 本文献已被 万方数据 等数据库收录！ | |