文本分类中基于AdaBoost.MR的改进中心法

• 作者: 徐学可 蒋宗礼
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 集成学习 文本分类 中心法 分类器偏差 权重分布
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 计算机软件与算法
• 页码范围: 122-124,131
• 页数: 4页
• 分类号: TP181
• 字数: 4450字
• 语种: 中文

摘要

文本信息的爆炸式增长提出了对适宜实时应用的简单快速文本分类的需求,中心分类法虽然快速,但它所基于的假设常常与事实相违,导致分类模型偏差.基于集成学习中的AdaBoost.MR算法,通过利用其自适应维护权重分布的特点,用每轮的权重分布,修正传统中心法分类器偏差,突出被误分类的文档的影响,降低其误分类概率.在YQ-WEBBENCH-V1.1上的实验表明效果良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋宗礼	北京工业大学计算机学院	103	997	17.0	27.0
2	徐学可	北京工业大学计算机学院	5	34	2.0	5.0