一种文本分类的在线SVM学习算法

• 作者: 代六玲 陈肇雄 黄河燕
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 计算机应用 中文信息处理 文本分类 在线学习 增量学习 支持向量机 SMO
• 年，卷（期）: 2005,（5）
• 页码范围: 11-15,23
• 页数: 6页
• 分类号: TP18
• 字数: 3918字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2005.05.002

摘要

本文提出了一种用于文本分类的RBF支持向量机在线学习算法.利用RBF核函数的局部性,该算法仅对新训练样本的某一大小邻域内且位于"可能带"中的训练样本集进行重新训练,以实现对现有SVM的更新.为高效的实现该邻域大小的自适应确定,使用ξα泛化错误估计在所有现有训练样本集上对当前SVM的泛化错误进行定性估计.同时引入泛化能力进化因子,使得结果SVM在分类效果上具有自动调整能力,并防止分类能力的退化.在TREC-5真实语料上的对比测试结果表明,该算法显著地加速了增量学习的过程而同时保证结果SVM的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄河燕	中国科学院计算机语言信息工程研究中心	54	1398	18.0	36.0
2	陈肇雄	中国科学院计算机语言信息工程研究中心	37	1042	13.0	32.0
3	代六玲	北京理工大学软件学院	4	39	2.0	4.0