基于改进SVM的互联网用户分类

• 作者: 尚晖
• 来源期刊: 计算机系统应用
• 关键词: 改进SVM 互联网用户 分类模型 学习能力
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 研究开发|Research and Development
• 页码范围: 266-270
• 页数: 5页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007914

摘要

由于传统模型大量约束样本,导致其学习能力下降,因此设计一个基于改进支持向量机(Support Vector Machine,SVM)的互联网用户分类模型.该模型通过构造样本数据,模拟互联网用户的浏览轨迹;根据用户偏好,制定全新的用户分类策略;基于改进支持向量机,实现对互联网用户的分类.性能测试:3次实验下,此次设计的模型分类准确率平均值为98.56％,超出了预设的期望值,具备分类能力.对比测试:与两组传统用户分类模型相比,此次设计的模型,面对不断增加的样本数据,同样能保持高水平的学习能力.