论文研究-基于SVM的Web文本快速增量分类算法.pdf

【文件属性】：
文件名称：论文研究-基于SVM的Web文本快速增量分类算法.pdf
文件大小：1.15MB
文件格式：PDF
更新时间：2022-08-11 16:50:52
支持向量机,支持向量,最优分类超平面,KKT条件,文本特征向量 针对基于支持向量机的Web文本分类效率低的问题，提出了一种基于支持向量机Web文本的快速增量分类FVI-SVM算法。算法保留增量训练集中违反KKT条件的Web文本特征向量，克服了Web文本训练集规模巨大，造成支持向量机训练效率低的缺点。算法通过计算支持向量的共享最近邻相似度，去除冗余支持向量，克服了在增量学习过程中不断加入相似文本特征向量而导致增量学习的训练时间消耗加大、分类效率下降的问题。实验结果表明，该方法在保证分类精度的前提下，有效提高了支持向量机的训练效率和分类效率。