《表3 T次 (T=10) 增量学习后实验结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于选择性抽样的SVM增量学习算法的泛化性能研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从表3～6中可以看出，M-ISVM算法，在增量次数相同的情况下，增量的样本量无论大小，平均错分率，平均支持向量，抽样与训练总时间表现都优于X-ISVM算法，且方差更低，说明算法稳定性好。因为M-ISVM算法在马氏抽样起始转移概率的定义上利用了2→T的数据子集的分类模型，而X-ISVM算法只利用了第一次随机抽样的分类模型，在每次增量的数据上，M-ISVM算法分别从每一次数据子集中选取，而X-ISVM则在整体训练集中选取，所以M-ISVM算法能更好地兼顾全局性，很大程度上避免实验结果的偶然性。实验结果表明，M-ISVM算法的泛化性能优于X-ISVM算法。