导读:本文包含了增量最小二乘支持向量机论文开题报告文献综述及选题提纲参考文献，主要关键词:监督学习,增量式学习,增量式近似支持向量机,高维
增量最小二乘支持向量机论文文献综述
朱真峰,郭跃飞,薛向阳[1]（2011）在《增量式最小二乘法分类器与增量式支持向量机的对比》一文中研究指出在处理大规模数据时,近似支持向量机及其增量式版本(ISVM)是一种比传统支持向量机更加简单而有效的分类器.但在处理高维数据时,由于ISVM通过计算矩阵的逆来更新模型参数,这使得其计算效果有待提高.针对上述问题,本文提出了基于最小二乘法的增量式方法.该增量式方法通过对矩阵运算的恒等推导,把矩阵求逆问题转变成了除法运算,得到了简单的模型参数更新公式,从而获得了和ISVM同样的预测精度,且在处理高维数据时运行效率更高.在合成数据及图像和生物数据上的试验表明该增量式方法优于ISVM方法.(本文来源于《小型微型计算机系统》期刊2011年03期）
王晓兰,康蕾[2]（2009）在《增量式剪枝最小二乘支持向量机的时间序列预测》一文中研究指出根据分块矩阵计算公式和支持向量机核函数矩阵本身特点,在增量式最小二乘支持向量机算法的基础上,通过引入剪枝方法改善最小二乘支持向量机的稀疏性,并将这种方法应用于时间序列预测,试验表明这一方法在预测精度及速度上具有一定的优越性。(本文来源于《微型电脑应用》期刊2009年06期）
刘新旺,殷建平,张国敏,罗棻,詹宇斌[3]（2008）在《基于最小二乘支持向量机的特征增量学习算法》一文中研究指出本文针对传统的增量学习算法无法处理后采集到的样本中含有新增特征的问题,设计适应样本特征维数增加的训练算法。在基于最小二乘支持向量机的基础上,提出了特征增量学习算法。该算法充分利用先前训练得到的分类器的结构参数,仅对新增特征采用最小二乘支持向量机进行学习。实验结果表明,该算法能够在保证分类精度的同时,有效地提高训练速度并降低存储空间。(本文来源于《计算机工程与科学》期刊2008年12期）
张浩然,汪晓东[4]（2006）在《回归最小二乘支持向量机的增量和在线式学习算法》一文中研究指出首先给出回归最小二乘支持向量机的数学模型,并分析了它的性质,然后在此基础上根据分块矩阵计算公式和核函数矩阵本身的特点设计了支持向量机的增量式学习算法和在线学习算法.该算法能充分利用历史的训练结果,减少存储空间和计算时间.仿真实验表明了这两种学习方法的有效性.(本文来源于《计算机学报》期刊2006年03期）
增量最小二乘支持向量机论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
根据分块矩阵计算公式和支持向量机核函数矩阵本身特点,在增量式最小二乘支持向量机算法的基础上,通过引入剪枝方法改善最小二乘支持向量机的稀疏性,并将这种方法应用于时间序列预测,试验表明这一方法在预测精度及速度上具有一定的优越性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
增量最小二乘支持向量机论文参考文献
[1].朱真峰,郭跃飞,薛向阳.增量式最小二乘法分类器与增量式支持向量机的对比[J].小型微型计算机系统.2011
[2].王晓兰,康蕾.增量式剪枝最小二乘支持向量机的时间序列预测[J].微型电脑应用.2009
[3].刘新旺,殷建平,张国敏,罗棻,詹宇斌.基于最小二乘支持向量机的特征增量学习算法[J].计算机工程与科学.2008
[4].张浩然,汪晓东.回归最小二乘支持向量机的增量和在线式学习算法[J].计算机学报.2006
标签：监督学习; 增量式学习; 增量式近似支持向量机; 高维;