一种改进的LSTSVM增量学习算法

摘要：

基于Sherman-Morrison定理和迭代算法,提出一种改进最小二乘孪生支持向量机(SMI-ILSTSVM)的增量学习算法,解决了最小二乘孪生支持向量机(LSTSVM)不具备结构风险最小化和稀疏性的问题.实验结果表明,该算法分类精度和效率均较高,适用于含有噪声的交叉样本集分类.

关键词：最小二乘孪生支持向量机、增量学习、稀疏性

所属期刊栏目：56

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61179040,61772020

在线出版日期：2018-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：909-916