改进的支持向量机中文文本分类

• 作者: 傅德胜 蔡玮 顾伟
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 多支持向量机 文本分类 并行算法
• 年，卷（期）: 2014,（10）
• 页码范围: 17-19,31
• 页数: 4页
• 分类号: TP311
• 字数: 4362字
• 语种: 中文

摘要

支持向量机是数据挖掘的新方法，由于其优秀的学习能力而得到了广泛的应用，但是，传统的支持向量机算法在处理大规模问题时存在训练时间过长和内存空间需求过大的问题，而应用多个支持向量机构成多分类器系统进行并行学习，是目前解决文本分类中大规模数据处理问题的一种有效方法。在分析传统并行算法的基础上，提出了一种改进的基于多支持向量机的并行学习算法，实验结果表明，采用该算法可使得分类效率得到较大的程度的提高，虽然，分类精度相对传统的方法略差，但是，在可接受的范围之内。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅德胜		82	681	12.0	22.0
2	顾伟		9	29	3.0	5.0
3	蔡玮		2	4	1.0	2.0