基于LASVM-NC和TF.RF的文本分类方法

• 作者: 冷强奎 李玉鑑 李玉雄
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 非凸在线支持向量机 支持向量机 特征项 词频 相关频率 文本分类
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 136-140,265
• 页数: 6页
• 分类号: TP311
• 字数: 4882字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1207-0116

摘要

非凸在线支持向量机（LASVM-NC）具有抗噪能力强和训练速度快的优点，而词频相关频率积（tf.rf）则是一种自适应能力很强、分类性能非常好的文本特征。通过把非凸在线支持向量机和词频相关频率积相结合，提出了一种新的文本分类方法，即LASVM-NC+tf.rf。实验结果表明，这种方法在LASVM-NC与多种其他特征的结合中性能是最好的，且与SVM+tf.rf相比，不仅所产生的分类器具有泛化能力更强、模型表达更稀疏的优点，而且在处理含噪声的数据时具有更好的鲁棒性，在处理大规模数据时具有快得多的训练速度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李玉鑑	北京工业大学计算机学院	57	357	10.0	17.0
2	冷强奎	北京工业大学计算机学院	7	18	3.0	3.0
3	李玉雄	北京工业大学计算机学院	1	1	1.0	1.0