基于SSk-means聚类指导的邮件SVM分类学习算法

• 作者: 张曼 李弼程 林琛 郭志刚
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 邮件分类算法 球形k-means算法 标记样本 自适应选择最佳密度半径 支持向量机
• 年，卷（期）: 2009,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 385-387,391
• 页数: 4页
• 分类号: TP391
• 字数: 4079字
• 语种: 中文

摘要

邮件分类学习算法需要大量标注样本,人工标记工作费时费力.此外邮件内容因其表达方式上的特殊性,其特征空间一般是稀疏的,这种稀疏性会影响分类处理的效果.为了节省标记训练集的时间和精力,同时更好地处理稀疏的邮件数据,引入自适应选择最佳密度半径球形k-means聚类(SSk-means)算法,作为支持向量机(SVM)的前端处理,将训练集扩展后再送入SVM分类器.实验结果与性能比较表明,在训练集只有极少量标记邮件和一定量未标记邮件的情况下,该分类算法的性能较一般SVM有很大的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李弼程	信息工程大学信息工程学院	102	1583	19.0	37.0
2	林琛	信息工程大学信息工程学院	10	144	6.0	10.0
3	郭志刚	信息工程大学信息工程学院	20	170	6.0	13.0
4	张曼	信息工程大学信息工程学院	2	2	1.0	1.0