多类支持向量机在文本分类中的应用

被引：2

作者：

张苗

张德贤

机构：

[1] 河南工业大学

[2] 河南工业大学河南郑州

来源：

计算机与现代化 | 2008年 / 05期

关键词：

文本分类; 机器学习; 支持向量机; 多类支持向量机;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP391.1 [文字信息处理];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 081203 ;

摘要：

传统的支持向量机(SVM)是两类分类问题,如何有效地将其推广到多类分类问题仍是一项有待研究的课题。本文在对现有主要的四种多类支持向量机分类算法讨论的基础上,结合文本分类的特点,详细介绍了决策树支持向量机和几种改进多类支持向量机方法在文本分类中的应用。

引用

页码：104 / 106+110 +110

页数：4

共 7 条

[1] 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

[2] 一种基于改进的支持向量机的多类文本分类方法 [J].

应伟 ;

王正欧 ;

安金龙 .

计算机工程, 2006, (16) :74-76

[3] 基于树型结构的SVM多类组合分类器在文本分类中的应用 [J].

殷天石 ;

孙济庆 .

情报杂志 , 2006, (02) :34-36

[4] 基于SVM的多类文本分类研究 [J].

张爱丽 ;

刘广利 ;

刘长宇 ;

不详 .

情报杂志 , 2004, (09) :6-7+10

[5] 支持向量机在多类分类问题中的推广 [J].

刘志刚 ;

李德仁 ;

秦前清 ;

史文中 .

计算机工程与应用, 2004, (07) :10-13+65

[6] 基于支持向量机的渐进直推式分类学习算法 [J].

陈毅松 ;

汪国平 ;

董士海 .

软件学报, 2003, (03) :451-460

[7]

知识发现[M]. 清华大学出版社 , 史忠植著, 2002

← 1 →