基于流形正则化的文档分类算法研究

• 作者: 吴双 张文生 徐海瑞
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 局部鉴别嵌入 流形学习 文档分类 k近邻 流形正则化
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 192-195
• 分类号: TP181
• 字数: 5094字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2012.03.043

摘要

基于流形正则化框架提出一种分类算法(MLD-RLSC),以解决高维文档分类问题.该算法通过构建训练样本的最近邻图来估计数据空间的几何结构并将其作为流形正则化项,结合多变量线性回归获得高维文档的低维流形结构,并采用k近邻分类器对低维流形进行分类,得到针对多类问题的分类器.该算法能够充分利用训练样本的类别信息来帮助学习以提取有效特征.通过在Reuters-21578数据集上的实验,证明该算法的分类性能和运行速度比传统分类器有较大的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴双	中国科学院自动化研究所	8	33	4.0	5.0
2	张文生	中国科学院自动化研究所	98	1246	18.0	33.0
3	徐海瑞	中国科学院自动化研究所	3	7	2.0	2.0