基于主成分分析的SMO文本分类

• 作者: 吴义国 魏星 黎超
• 来源期刊: 现代计算机（专业版）
• 学科: 工学
• 关键词: 机器学习 支持向量机 序贯最小化 主成分分析 降维
• 年，卷（期）: 2011,（10）
• 所属期刊栏目: 研究与开发
• 页码范围: 18-21
• 分类号: TP393.08
• 字数: 3180字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423-B.2011.10.005

摘要

利用SMO进行文本分类的核心问题是特征的选择问题,特征选择涉及到哪些特征和选择的特征维度问题.针对以上问题,介绍一种基于主成分分析和信息增益相结合的数据集样本降维的方法,并在此基础上对序贯最小优化算法进行改进,提出降维序贯最小优化(P-SOM)算法.P-SMO算法去掉了冗余维.实验结果证明,该方法提高SMO算法的性能,缩短支持向量机的训练时间,提高支持向量机的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴义国	广东工业大学计算机学院	4	7	2.0	2.0
2	黎超	广东工业大学计算机学院	2	3	1.0	1.0
3	魏星	广东工业大学计算机学院	5	7	2.0	2.0