基于加权近似支持向量机的文本分类
随着因特网的迅速增长,能够分类大规模文档的高效文本分类算法变得非常重要.该文提出一种基于加权近似支持向量机模型的文本分类算法,加权近似支持向量机对近似支持向量机作了改进,通过为每个训练误差增加一个权值和使用在原空间直接求解的算法,克服了近似支持向量机模型不适合不平衡数据分类和高维数据分类的缺点.试验结果表明,与标准支持向量机算法相比,该算法的分类质量与训练速度都有提高,是一种适合文本分类的高效算法。
信息处理 文本分类 支持向量机 加权
庄东 陈英
北京理工大学,计算机科学与工程系,北京,100081
国内会议
北京
中文
1787-1790
2005-09-26（万方平台首次上网日期，不代表论文的发表时间）