基于极限学习机的XML文档分类

• 作者: 陈盛双
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 可扩展标记语言 分类 极限学习机 结构链接向量模型 投票机制
• 年，卷（期）: 2011,（19）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 177-178,182
• 分类号: TP18
• 字数: 1510字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2011.19.058

摘要

研究基于极限学习机(ELM)的XML文档分类方法.为优化文档的相似性计算,在结构链接向量模型的基础上,提出一种改进的特征向量模型RS-VSM,将有效的结构化信息合并到向量模型中.应用ELM对XML文档进行分类,为提高ELM分类的准确率,提出一种基于投票机制的Voting-ELM算法.实验结果证明,该算法的分类效果较优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈盛双	武汉理工大学理学院	39	180	8.0	11.0