改进多分类器集成 AdaBoost算法的 Web主题分类

• 作者: 伍杰华 倪振声
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: Web主题 AdaBoost 分类器 分类集成 特征分类 主题切分
• 年，卷（期）: 2013,（11）
• 所属期刊栏目: 基金项目论文
• 页码范围: 64-67
• 页数: 4页
• 分类号: TP391
• 字数: 4201字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2013.11.018

摘要

现有的Web主题分类算法一般基于单一模型构建或者仅仅把多个单一模型简单叠加进行决策。针对该问题，提出一种基于多分类器集成的改进AdaBoost算法的Web主题分类方法。算法先采用VIPS算法获取页面分块并获取其视觉特征和文本特征，根据每一类特征的维度分别训练弱分类器，然后计算其对应的错误率，修改错误判别的拒绝策略，从而针对不同特征产生相应的最优分类器，最后对两类最优分类器级联决策。实验结果表明，该方法能提高AdaBoost算法对复杂Web主题信息的分类准确率，同时也为Web主题分类领域的研究提供一种新的方案。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	伍杰华	广东工贸职业技术学院计算机工程系	22	57	4.0	6.0
2	倪振声	中山大学信息科学与技术学院	2	4	1.0	2.0