一种基于支持向量阈值控制的优化增量SVM算法

• 作者: 刘伟 肖超峰 谢兴生
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 机器学习 文本分类 分类模型 KKT条件
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 124-128
• 页数: 5页
• 分类号: TP311
• 字数: 5814字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1303-0245

摘要

针对I-SVM算法在文本分类中训练时间较长和分类效率低的问题，提出了一种基于支持向量（SV）阀值控制的优化I-SVM算法（TI-SVM）。由于在增量训练样本集中存在大量的非SV，TI-SVM算法根据历史训练模型和KKT条件对新增样本集和历史样本集进行预处理，剔除大部分的非SV，根据预处理后的样本集进行训练新的SVM模型，利用文本的相似度和预设SV的阀值对模型中的冗余SV进一步处理，以提高分类性能。经过对一组客户新闻分类的实验表明，该算法在保证分类精度的同时有效提高了模型的训练和分类效率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘伟	中国科学技术大学自动化系	422	5903	37.0	59.0
2	谢兴生	中国科学技术大学自动化系	16	76	6.0	8.0
3	肖超峰	中国科学技术大学自动化系	2	12	2.0	2.0