面向循证医学网络文献的SVM分类方法

• 作者: 唐焕玲 李永 甘新玲 鲁明羽
• 来源期刊: 广西师范大学学报(自然科学版)
• 学科: 工学
• 关键词: 循证医学 网页分类 支持向量机 核函数
• 年，卷（期）: 2008,（3）
• 页码范围: 214-217
• 页数: 4页
• 分类号: TP391
• 字数: 2285字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-6600.2008.03.053

摘要

支持向量机(support vector machine,SVM)是在统计学习理论基础上发展起来的一种新的机器学习方法,是一种高效的分类识别方法.首先分析支持向量机原理,然后提出一种使用Bagging组合学习方法改进SVM算法的网页分类方法.基于循证医学网络文献分类的实验表明,该方法使训练数据规模大大减小,且比传统的SVM算法分类性能更好,具有较好的精确率和召回率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐焕玲	大连海事大学信息科学技术学院	6	38	4.0	6.0
5	鲁明羽	大连海事大学信息科学技术学院	42	574	11.0	23.0
6	甘新玲	大连海事大学信息科学技术学院	1	3	1.0	1.0
7	李永	大连海事大学信息科学技术学院	1	3	1.0	1.0