基于优化的多核学习方法的Web文本分类的研究

• 作者: 江伟 潘昊
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 支持向量机 数据挖掘 多核学习 Web文本分类
• 年，卷（期）: 2013,（10）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 80-82,86
• 页数: 4页
• 分类号: TP31
• 字数: 3087字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2013.10.020

摘要

Web文本分类技术是数据挖掘中一个重要研究领域，为了能从海量信息中快速检索遍布网络各处的文档，需要提高Web文本分类技术的性能。多核学习方法是当前机器学习领域的一个热点，可以显著提升分类识别能力和学习推广能力，而核方法是解决高维非线性模式分析的有效方法之一。利用多核代替单核能增强决策函数的可解释性并获得更优的性能。文中分析研究了一种基于优化的多核学习的支持向量机，在此基础上结合通用的Web文本分类模型，提出了一种基于多核学习支持向量机的Web分类方法。通过实验测试表明，该方法具有良好的效果，对比一致组合的多核学习方法，所提出的方法具有较高的准确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘昊	武汉理工大学计算机科学与技术学院	45	516	10.0	21.0
2	江伟	武汉理工大学计算机科学与技术学院	11	24	3.0	4.0