基于支持向量機的Web文本分類研究.pdf

1、本文采用支持向量機，在面向Web文本內容上對其進行分類識別研究。Web文本內容復雜，向量表示的維數(shù)大，內容上的疏密性比較明顯而且很多有比較強的關聯(lián)性，傳統(tǒng)的文本分類技術效果不佳，支持向量機是基于統(tǒng)計學基礎理論的VC維以及結構化最小原則的算法實現(xiàn)，Web文本內容中的疏密性和特征之間的關聯(lián)性等因素對它影響很小，而且支持向量機它自身獨特的處理‘維數(shù)災難’問題的能力在應付復雜Web文本內容所表現(xiàn)的高維特征效果較佳。本文主要以支持向量作為算法基礎

2、，在文本內容的角度上對Web文本分類進行研究。
　　 本論文所做的主要工作如下：
　　 (1)分析了支持向量機的增量學習算法，并基于它之上，提出了改進的具有邊界約束增量學習支持向量機算法，該算法克服了傳統(tǒng)增量學習支持向量因素考慮的不全面性，引入邊界約束，合理有效提高了后期支持向量數(shù)目。在基本保證訓練速度的情況下，提高了實際分類精度。
　　 (2)分析了DDAG-SVMS多分類支持向量機算法，并基于它之上，提出了改