增量与减量模糊有界双支持向量机
机器学习
2020-03-24 v2 机器学习
摘要
本文提出一种双支持向量机（TWSVM）的增量变体，称为模糊有界双支持向量机（FBTWSVM），用于处理大规模数据集与数据流学习。我们将TWSVM与模糊隶属度函数相结合，使得每个输入在二分类器中对每个超平面具有不同的贡献。为求解一对二次规划问题（QPPs），我们采用带收缩策略的对偶坐标下降算法，并为实现快速训练的鲁棒分类，提出将傅里叶高斯近似函数用于我们的线性FBTWSVM。受收缩技术启发，增量算法借助若干启发式方法复用了部分训练方法，而减量过程则基于计分窗口。FBTWSVM还通过有向无环图（DAG）方法组合二分类器，扩展至多类问题。此外，我们分析了所提方法及其扩展的理论基础性质，在基准数据集上的实验结果表明，FBTWSVM在保持鲁棒分类性能的同时具有快速的训练与再训练过程。
引用
@article{arxiv.1907.09613,
title = {Incremental and Decremental Fuzzy Bounded Twin Support Vector Machine},
author = {Alexandre Reeberg de Mello and Marcelo Ricardo Stemmer and Alessandro Lameiras Koerich},
journal= {arXiv preprint arXiv:1907.09613},
year = {2020}
}
备注
23 pages