基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
支持向量机是在模式分类中表现优秀的一种分类方法。对现有的基于SVM的文本多类分类方法进行了介绍和比较.研究了分类器特征空间模式问题,在这些工作基础上,提出了并行SVM的模型。
推荐文章
基于LIB-SVM的项目文本自动分类系统研究
项目管理
LIB-SVM
文本自动分类
基于SVM主动学习技术的 PU 文本分类
支持向量机
主动学习
PU
文本分类
Rocchio
基于SVM的Web文本快速增量分类算法
支持向量机
支持向量
最优分类超平面
KKT条件
文本特征向量
基于改进SVM的文本混沌性分类优化技术实现
云计算
文本分类
混沌分类
优化SVM
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于SVM的文本多类分类方法研究
来源期刊 电脑知识与技术:学术交流 学科 工学
关键词 支持向量机 文本分类 多类分类 特征空间模式
年,卷(期) 2006,(3) 所属期刊栏目
研究方向 页码范围 162
页数 1页 分类号 TP181
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 吕宏伟 35 87 5.0 9.0
2 唐小力 3 7 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
支持向量机
文本分类
多类分类
特征空间模式
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑知识与技术:学术版
旬刊
1009-3044
34-1205/TP
安徽合肥市濉溪路333号
26-188
出版文献量(篇)
41621
总下载数(次)
23
总被引数(次)
0
论文1v1指导