基于支持向量機(jī)的文本分類問題研究.pdf

1、文本自動分類是基于內(nèi)容的信息自動分類的核心技術(shù)，它是由計(jì)算機(jī)自動判別文本類別的過程。文本分類問題具有文本向量稀疏性大、維數(shù)高、特征之間具有較大的相關(guān)性的特點(diǎn)，因此，支持向量機(jī)非常適合于文本分類問題，在文本分類中具有很大的應(yīng)用潛力。同時(shí)，文本分類也給支持向量機(jī)提出了許多富有挑戰(zhàn)性的課題。例如，文本分類具有類別和樣本數(shù)目多、噪音多等特點(diǎn)，，支持向量機(jī)用于文本分類時(shí)存在訓(xùn)練和分類速度較慢等缺點(diǎn)。 本文從降低文本分類過程中文本向量數(shù)目的

2、角度出發(fā)，來加快訓(xùn)練支持向量機(jī)分類的速度。采用密度聚類的方法提取原始樣本中對分類起決定性作用的樣本作為新的訓(xùn)I練集進(jìn)行分類器訓(xùn)練。這些起決定性作用的樣本點(diǎn)就是分布在邊界上的點(diǎn)，這些點(diǎn)在SVM理論里被稱為支持向量。本文的目的就是盡可能的將這些點(diǎn)從原始文本向量集中提取出來。 如果將常見的密度聚類算法直接拿來使用，效果并不好，因?yàn)樗鼈兊臅r(shí)間復(fù)雜度太高，導(dǎo)致整體的分類訓(xùn)練過程效率比較低。本文采用-一種改進(jìn)的密度聚類算法，該算法融合了層次