K-means聚类和支持向量机结合的文本分类研究

被引：6

作者：

贾燕花

徐蔚鸿

机构：

[1] 长沙理工大学计算机与通信工程学院

来源：

计算机工程与应用 | 2010年 / 22期

基金：

湖南省自然科学基金;

关键词：

文本分类; k-means算法; 聚类; 支持向量机;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

针对数据挖掘中文本自动分类问题,提出了一种基于k-means聚类算法和支持向量机相结合的文本分类方法。该方法先将文本大致聚为k类,然后对每一类用支持向量机进行细分。构造了可用于多个模式类识别的多层SVM模型,该模型可完成对多个模式的分类识别。给出了该模型的构造及应用的方法,并验证了该方法的有效性。

引用

页码：172 / 174

页数：3

共 6 条

[1] 多类支持向量机在文本分类中的应用 [J].

张苗 ;

张德贤 .

计算机与现代化, 2008, (05) :104-106+110

[2] 文本自动分类研究进展 [J].

牛延莉 ;

张化 .

软件导刊, 2008, (04) :24-26

[3] 一种用于文本聚类的改进的K均值算法 [J].

任江涛 ;

孙婧昊 ;

施潇潇 ;

黄焕宇 ;

印鉴 .

计算机应用, 2006, (S1) :73-75

[4] 基于支持向量机的Web文本分类方法 [J].

牛强 ;

王志晓 ;

陈岱 ;

夏士雄 .

微电子学与计算机, 2006, (09) :102-104

[5] 一种改进的模糊C-均值(FCM)聚类算法 [J].

安良 ;

胡勇 ;

胡良梅 ;

孟玲玲 .

合肥工业大学学报(自然科学版), 2003, (03) :354-358

[6]

支持向量机在文本自动分类中的应用研究[J]. 田晓宇,梁静国.情报学报. 2006 (02)

← 1 →