基于改进的SVM线性可分文本分类算法

• 作者: 闫超
• 来源期刊: 电脑开发与应用
• 学科: 工学
• 关键词: 支持向量机 线性可分 文本分类
• 年，卷（期）: 2010,（8）
• 页码范围: 7-8,15
• 分类号: TP181
• 字数: 2493字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-5850.2010.08.003

摘要

支持向量机(Support Vector Machines, 简称SVM)根据有限的样本信息在对文本分类的精度和学习能力之间,相比其他的文本分类算法寻求了最佳折中,从而获得了较好的推广能力.而SVM是从线性可分情况下的最优分类面发展而来的,因此对于线性可分文本具有更好的分类效果.给出了一种效率较高的线性可分文本的SVM算法,它在训练的时间复杂度上具有明显的改进,从而可以提高训练效率.结果表明:改进后的SVM算法相比以前的算法大大提高了运行效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫超	太原理工大学计算机科学与技术学院	3	3	1.0	1.0