一种基于支持向量几何意义的增量学习方法

摘要

本发明公开了一种基于支持向量几何意义的增量学习方法，包括以下步骤：首先提出有效的选取给定个数凸包顶点样本的方法，称为CHVS方法，并从理论上证明此方法所选取的样本就是凸包顶点样本；其次通过在每一类样本集合中运用CHVS方法，从大数据量训练样本中选取出那些能够最大程度保持各类凸包信息的重要样本，称为VS方法；最后用这些选取的少量重要样本与新来的样本一起重新训练得到更新的分类器。本发明实现了有效的SVM增量学习分类方法，是一种通用的方法，相对于其它的经典SVM增量学习方法，本发明的增量学习方法更适合于大数据量的在线增量学习任务，具有很好的应用前景。