一种融合增量学习的支持向量机多类分类方法

摘要

本发明涉及一种融合增量学习的支持向量机多类分类方法。本发明的目的是提供一种融合增量学习的支持向量机多类分类方法，旨在减少样本的训练时间、提高分类器的分类精度及抗干扰性。本发明的技术方案是：1、在总的样本中随机抽取一部分作为训练样本集D，另一部分作为测试样本集T；2、对训练样本集D进行预抽取支持向量；3、用循环迭代法对预抽取训练样本集PTS进行支持向量机训练，得到多类分类模型M-SVM；4、对多类分类模型M-SVM进行二叉树处理，得到支持向量机多类分类模型BTMSVM0；5、对多类分类模型BTMSVM0进行增量学习训练，得到模型BTMSVM1；6、将步骤1中的测试样本集T输入到多类分类模型BTMSVM1进行分类。本发明用于通过增量学习对海量信息进行高效多类分类。