用KPCA-SVM的方法检测垃圾标签的研究

• 作者: 习扬 苏一丹 覃希
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 数据降维 核主成分分析法 支持向量机 垃圾标签
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 65-69
• 页数: 5页
• 分类号: TP301
• 字数: 4706字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2014.05.016

摘要

高维数据中进行各种处理时所需样本数量会成指数级增加，同时样本间距离的价值也逐渐减小，将导致维数灾问题。文本标签数据通常会面临数据维数过高的问题，会影响用户对垃圾标签的检测。文中借助支持向量机的数学模型构建出针对Folksonomy的大规模垃圾标签检测模型。为了减少检测垃圾标签时维数过高的影响，在核主成分分析理论的启发下，将数据降维思想引入数据约简领域，提出基于核主成分分析法的大规模SVM数据集约简模型。最终实例化形成一种新的垃圾标签检测方法，即基于核主成分分析支持向量机( KPCA-SVM)的大规模垃圾标签检测模型。该模型在垃圾标签检测中可以在不影响数据特征的前提下，缩短模型的测试时间且检测性能良好。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏一丹	广西大学计算机与电子信息学院	114	849	16.0	23.0
2	覃希	广西大学计算机与电子信息学院	8	123	5.0	8.0
3	习扬	广西大学计算机与电子信息学院	1	2	1.0	1.0