基于支持向量機(jī)的Web文本分類研究.pdf

1、本文采用支持向量機(jī)，在面向Web文本內(nèi)容上對(duì)其進(jìn)行分類識(shí)別研究。Web文本內(nèi)容復(fù)雜，向量表示的維數(shù)大，內(nèi)容上的疏密性比較明顯而且很多有比較強(qiáng)的關(guān)聯(lián)性，傳統(tǒng)的文本分類技術(shù)效果不佳，支持向量機(jī)是基于統(tǒng)計(jì)學(xué)基礎(chǔ)理論的VC維以及結(jié)構(gòu)化最小原則的算法實(shí)現(xiàn)，Web文本內(nèi)容中的疏密性和特征之間的關(guān)聯(lián)性等因素對(duì)它影響很小，而且支持向量機(jī)它自身獨(dú)特的處理‘維數(shù)災(zāi)難’問題的能力在應(yīng)付復(fù)雜Web文本內(nèi)容所表現(xiàn)的高維特征效果較佳。本文主要以支持向量作為算法基礎(chǔ)

2、，在文本內(nèi)容的角度上對(duì)Web文本分類進(jìn)行研究。
　　 本論文所做的主要工作如下：
　　 (1)分析了支持向量機(jī)的增量學(xué)習(xí)算法，并基于它之上，提出了改進(jìn)的具有邊界約束增量學(xué)習(xí)支持向量機(jī)算法，該算法克服了傳統(tǒng)增量學(xué)習(xí)支持向量因素考慮的不全面性，引入邊界約束，合理有效提高了后期支持向量數(shù)目。在基本保證訓(xùn)練速度的情況下，提高了實(shí)際分類精度。
　　 (2)分析了DDAG-SVMS多分類支持向量機(jī)算法，并基于它之上，提出了改