文献类型：期刊文章

作　　者：杨海涛[1] 肖军[1] 王佩瑶[1] 王威[2]

机构地区：[1]辽宁石油化工大学信息与控制工程学院,辽宁抚顺113001 [2]中国石油天然气股份有限公司辽河石化分公司仪电运行部

出　　处：《信息与控制》

年　　份：2016

卷　　号：45

期　　号：4

起止页码：432-436

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2015_2016、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对处理大量时间序列数据或数据流时,参数间隔孪生支持向量机(TPMSVM)分类训练速度依然较慢的问题.本文证明了样本满足TPMSVM的KKT条件所对应的数值条件,并根据结论提出一种适用于TPMSVM的增量学习算法用于处理时间序列数据.该算法选取新增数据中违背广义KKT条件和部分满足条件的原始数据,参加分类器训练.实验证明:本文提出的增量算法在保持一定分类精度的同时提高了TPMSVM的训练速度.

关 键 词：参数间隔孪生支持向量机  广义KKT条件  增量学习  时间序列数据

分 类 号：TP273.2]