王洪波
- 作品数：3 被引量：24H指数：2
- 供职机构：浙江大学电气工程学院更多>>
- 发文基金：国家自然科学基金浙江省科技计划项目浙江省科技攻关计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 单分类支持向量机的学习方法研究
- 支持向量机(Support Vector Machine, SVM)是在统计学习理论基础上发展起来的新型机器学习算法。SVM采用结构风险最小化原则,同时最小化经验风险和置信范围,具有拟合精度高、选择参数少、推广能力强和全...
- 王洪波
- 关键词：支持向量数据描述
- 文献传递
- 基于一类支持向量机的多球体分类算法
- 扩展一类支持向量机（1-SVM）到多分类模型,提出基于1-SVM的多球体分类器在构造多球体分类器时,为了保证每一类单独给出的超球体对于数据集中所有的类是足够小的,考虑其他类数据对某一类分类的影响程度,采用隐式分解策略,提...
- 王洪波赵光宙曲轶龙齐冬莲
- 关键词：多分类器车牌识别
- 文献传递
- 一类支持向量机的快速增量学习方法被引量：6
- 2012年
- 提出一类支持向量机(OCSVM)的快速增量学习方法.在OCSVM初始分类器的基础上,添加一个德尔塔函数形成新的决策函数,实现增量学习的过程.通过分析德尔塔函数的几何特性,构造出与OCSVM相似的优化目标函数,从而求解德尔塔函数的参数.优化问题能够进一步转化为标准的二次规划(QP)问题,但是在优化过程中Karush-Kuhn-Tucker(KKT)条件发生很大改变.根据新的KKT条件,为QPP提出修正的序贯最小优化(SMO)求解方法.整个学习过程直接操作初始分类器,仅仅训练新增样本,避免了对初始样本的重复训练,因此能够节约大量的学习时间和存储空间.实验结果表明,提出的快速增量学习方法在时间和精度上均优于其他的增量学习方法.
- 王洪波赵光宙齐冬莲卢达
- 关键词：KKT条件
