基于支持向量機的網(wǎng)頁分類技術(shù)研究.pdf

1、隨著Internet的發(fā)展，為了能夠有效地組織和分析海量的Web信息，人們希望能夠?qū)W(wǎng)頁實現(xiàn)自動分類。因此，網(wǎng)頁分類技術(shù)便成了快速且有效地組織網(wǎng)絡(luò)上海量信息的一項重要技術(shù)。它是使用機器學習的方法實現(xiàn)網(wǎng)頁類別的自動標注。在眾多的網(wǎng)頁分類算法中，支持向量機因為其出色的學習能力，已成為機器學習界的研究熱點。 介紹了支持向量機技術(shù)發(fā)展，原理和相關(guān)技術(shù)，概括了支持向量機技術(shù)在網(wǎng)頁分類中的重要作用。闡述了目前支持向量機常用的訓練算法，針對目

2、前訓練算法在面對高維度超大數(shù)量集訓練時存在的訓練時間過長、迭代次數(shù)過多的問題，提出了基于三樣本點迭代的支持向量機訓練算法。在保證獲得解析解的前提下，將每次迭代優(yōu)化的樣本點個數(shù)由原有算法的兩個提升為三個，減少了迭代次數(shù)，縮短了訓練算法的學習時間。 針對經(jīng)典支持向量機訓練算法不支持增量學習的缺陷，分析并證明了現(xiàn)有增量學習算法中普遍存在的丟失樣本有效信息的問題，提出了基于超平面距離的支持向量機增量學習算法。根據(jù)支持向量的幾何分布特點，