基于模糊加权近似支持向量机的 Web文本分类

• 作者: 吴剑 王平
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 文本分类 近似支持向量机 模糊隶属度 平衡因子 不平衡数据
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 数据工程
• 页码范围: 54-58
• 页数: 5页
• 分类号: TP391.4
• 字数: 5828字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2015.05.013

摘要

Web文本分类是数据挖掘领域的研究热点. 针对Web文本数据集高维和不平衡的特点,将模糊隶属度和平衡因子引入近似支持向量机,提出模糊加权近似支持向量机. 首先计算样本的平均密度,并结合样本数量求得平衡因子,克服传统加权算法仅以样本数为依据设置权值的缺陷,缓解数据不平衡造成的分类超平面偏移;再计算样本的模糊隶属度,消除噪声和奇异点造成的分类误差;近似支持向量机相比标准支持向量机具有明显的速度优势,更加适用于高维数据分类. 实验表明,算法能有效提高不平衡数据的分类精度,在Web文本的训练速度和分类质量上有一定提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王平	南昌大学信息工程学院	26	137	7.0	10.0
2	吴剑	南昌大学信息工程学院	11	50	3.0	7.0