具有增量学习能力的最小距离分类器

摘要：

本文提出了一种最小距离分类器,该分类器的特殊结构使得其具有较好的增量学习能力.为了尽可能避免在学习新样本的过程中,分类器丧失对原训练样本的识别能力,本文采用了以下技术:1、新样本对分类器的影响是局部的,这可以通过限制分类器中各结点的作用范围来达到;2、保留一部分有代表性的训练样本.实验结果证明该算法在育效识别新样本的同时对已学习样本也能保持很高的识别率,运算速度快,消耗存储空间小.

关键词： 增量学习 分类器 智能机器人

作者: 张荣 桑农 张天序

作者单位: 华中科技大学图像识别与人工智能研究所,武汉,430074 图像信息处理与智能控制教育部重点实验室,武汉,430074

会议类型: 国内会议

会议名称: 第十一届中国人工智能学术年会

会议地点: 武汉

会议语种:中文

页码: 1087-1091

在线出版日期: 2005-09-20（万方平台首次上网日期，不代表论文的发表时间）