%A 胡吉明, 陈果 %T 超球支持向量机文本分类方法改进 %0 Journal Article %D 2014 %J 数据分析与知识发现 %R 10.11925/infotech.1003-3513.2014.09.10 %P 74-80 %V 30 %N 9 %U {https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/abstract/article_3948.shtml} %8 2014-09-25 %X

[目的] 针对文本分类中类别特征向量改变和重叠等问题,对超球支持向量机(HS-SVM)分类算法进行改进。[方法] 基于增量学习和密度决策函数对原始HS-SVM 进行改进,实现超球类支持向量的动态改变,准确计算构造超球支持向量机的决策函数,从而达到提高文本分类效果的目的。[结果] 与原始超球支持向量机的文本分类实验对比表明,本文所提方法在准确率和召回率方面优于其他方案,建模时间减少且对预测精确度的影响不大。[局限] 应进行多种类型数据集上的实验验证,推广方法改进的适用性; 其次对分类算法的底层改进欠缺,需继续探索。[结论] 本研究有利于提高大规模文本分类的准确性和减少训练时间,从而提升文本分类效果。