基于岭支持向量学习的无递归在线多重增量/减量分析
机器学习
2016-10-12 v2 机器学习
摘要
本研究提出了一种基于权重-误差曲线的快速多重增量和减量机制，用于支持向量分析。我们提出了一种无递归计算方法来预测新样本的拉格朗日乘子。本研究考察了岭支持向量模型，随后设计了一种源自权重-误差曲线的无递归函数。利用所提出的函数，无需使用任何渐进步长即可一次性计算出所有新的拉格朗日乘子。此外，该函数放宽了先前工作中新多重拉格朗日乘子增量必须相同的约束，从而易于满足 KKT 条件的要求。所提出的机制不再需要典型的记录策略，即在每个增量轮次中通过检查所有训练样本来计算步长。
引用
@article{arxiv.1608.00619,
title = {Recursion-Free Online Multiple Incremental/Decremental Analysis Based on Ridge Support Vector Learning},
author = {Bo-Wei Chen},
journal= {arXiv preprint arXiv:1608.00619},
year = {2016}
}
备注
Ridge support vector machine (Ridge SVM), Ridge support vector regression (Ridge SVR), multiple incremental learning, multiple decremental learning, online learning, batch learning, cloud computing, big data analysis, data analytics