基于参数间隔孪生支持向量机的增量学习算法
来源：信息与控制杂志2016年第4期北京时间：
作者：杨海涛, 肖军, 王佩瑶, 王威
摘要：针对处理大量时间序列数据或数据流时，参数间隔孪生支持向量机（TPMSVM）分类训练速度依然较慢的问题．本文证明了样本满足TPMSVM的KKT条件所对应的数值条件，并根据结论提出一种适用于TPMSVM的增量学习算法用于处理时间序列数据．该算法选取新增数据中违背广义KKT条件和部分满足条件的原始数据，参加分类器训练．实验证明：本文提出的增量算法在保持一定分类精度的同时提高了TPMSVM的训练速度．
关键词：参数间隔孪生支持向量机, 广义KKT条件, 增量学习, 时间序列数据
