基于SVM的網(wǎng)頁(yè)分類(lèi)技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,網(wǎng)絡(luò)成為人們獲取信息的主要來(lái)源,為了能有效地獲取這些信息,人們希望對(duì)網(wǎng)頁(yè)實(shí)現(xiàn)自動(dòng)分類(lèi)。因此,網(wǎng)頁(yè)分類(lèi)成為實(shí)現(xiàn)快速檢索信息的一項(xiàng)重要技術(shù),它應(yīng)用機(jī)器學(xué)習(xí)的方法使網(wǎng)頁(yè)按照其內(nèi)容實(shí)現(xiàn)自動(dòng)標(biāo)注。在眾多的網(wǎng)頁(yè)分類(lèi)算法中,SVM因?yàn)槠鋬?yōu)秀的學(xué)習(xí)與推廣能力、較高的分類(lèi)準(zhǔn)確率,已成為一個(gè)研究熱點(diǎn)。
　　 介紹了SVM理論基礎(chǔ)、原理和訓(xùn)練算法,分析了基于SVM的網(wǎng)頁(yè)分類(lèi)技術(shù)的優(yōu)點(diǎn),闡述了不平衡SVM訓(xùn)練算法與多類(lèi)SVM學(xué)

2、習(xí)算法。針對(duì)SVM在不平衡樣本集分類(lèi)準(zhǔn)確率不高的問(wèn)題,改進(jìn)了標(biāo)準(zhǔn)模糊SVM模型,引入?yún)?shù)λ,使最優(yōu)超平面與兩類(lèi)樣本之間的距離不相等,增加樣本數(shù)較少一類(lèi)的決策區(qū)域,同時(shí)利用樣本之間的互距離構(gòu)造模糊隸屬度函數(shù),更好地反映了樣本之間的分布情況,減少噪音數(shù)據(jù)對(duì)分類(lèi)結(jié)果的影響,提高了分類(lèi)準(zhǔn)確率。
　　 針對(duì)二分層次結(jié)構(gòu)的多類(lèi)SVM算法中層次結(jié)構(gòu)設(shè)計(jì)的問(wèn)題,提出了基于改進(jìn)的二分層次結(jié)構(gòu)的多類(lèi)SVM網(wǎng)頁(yè)分類(lèi)算法。本算法通過(guò)改進(jìn)的k-means