一种新的多类SVM方法及其在文本分类中的应用

• 作者: 张博锋 徐昕 苏金树
• 来源期刊: 广西师范大学学报(自然科学版)
• 学科: 工学
• 关键词: 机器学习 多类支持向量机 增量学习 文本分类 特征选择 数据挖掘
• 年，卷（期）: 2006,（4）
• 页码范围: 95-98
• 页数: 4页
• 分类号: TP181
• 字数: 3159字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-6600.2006.04.024

摘要

提出一种将SVM扩展到多类文本分类问题的新方法,此方法有增量模式及批模式两种应用途径.其中,批模式提供了一种其他多类SVM替代方法;而增量模式在重复利用原有模型的基础上将新增类别的知识信息以增量方式更新到分类系统,整个分类器不需要全部重新学习,需要的计算量较小.实验表明:增量方法大大减少新类增加时分类器更新所需要的学习步骤和时间;两种模式的分类效果与其他方法相当.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏金树	国防科技大学计算机学院	67	378	11.0	16.0
2	张博锋	国防科技大学计算机学院	4	72	3.0	4.0
3	徐昕	国防科技大学计算机学院	21	295	9.0	17.0