支持向量機研究及其在文本分類中的應(yīng)用.pdf

1、支持向量機在機器學(xué)習(xí)方面具有良好的泛化能力、直觀的幾何解釋和嚴格的數(shù)學(xué)理論基礎(chǔ),是機器學(xué)習(xí)領(lǐng)域發(fā)展很快的工具。文本分類技術(shù)是利用計算機技術(shù)在預(yù)先給定數(shù)據(jù)類別的情況下,根據(jù)數(shù)據(jù)文本的內(nèi)容判定文本的類別,也就是為文本指定預(yù)先定義的類別標(biāo)記,以幫助人們在當(dāng)今互聯(lián)網(wǎng)時代在大量信息中提取、過濾和管理文本數(shù)據(jù)。本文將支持向量機的訓(xùn)練算法研究與文本分類相結(jié)合,作為本文研究的對象,其主要工作如下:
　　 首先,本文在分析了支持向量機數(shù)學(xué)原理和相

2、關(guān)技術(shù)現(xiàn)狀的基礎(chǔ)上,闡述了目前支持向量機的幾種常用的訓(xùn)練方法,并提出了一種改進的支持向量機訓(xùn)練方法NEW_SMO。該方法針對支持向量機在訓(xùn)練時緩存使用的不足,在二次逼近的基礎(chǔ)上將違反KKT條件程度最厲害的樣本提取出來,然后緩存這些樣本,作為工作集的選擇范圍,并且改變了支持向量機的停機條件。該方法提高了核緩存的命中率,減少了工作集選擇的代價,從而減少了訓(xùn)練時間。實驗表明,該方法能夠很好地提高支持向量機的訓(xùn)練速度。
　　 其次,本文