何建兵
- 作品数：2 被引量：9H指数：1
- 供职机构：中国科学院研究生院更多>>
- 发文基金：中澳科技合作特别基金北京市自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 噪声消除与SMO算法收敛性被引量：1
- 2006年
- 近年来,随着序列最小优化分类算法SMO等一系列快速算法的推出,支持向量机在自动文本分类研究领域取得了很大的成功。大多数文本分类问题是线性可分的,使用线性核函数的SMO算法能够取得非常好的分类效果。但是文本向量是一种非常稀疏的向量,采用线性核函数的SMO算法对噪声样本非常敏感,容易产生发散的问题。文章分析证明了噪声如何影响SMO算法收敛性。为了解决训练样本中噪声样本影响SMO算法收敛的问题,设计了一个消除噪声样本的算法,取得了非常好的效果。
- 何建兵何清史忠植
- 关键词：文本分类支持向量机SMO算法
- 基于SMO的多层次文本分类法研究被引量：8
- 2006年
- 在以往的自动文本分类研究中,大多比较流行的分类技术都是在一个层次上将文本分成几个类别。但随着信息检索的量越来越大,文本的种类将越来越多,仅仅通过一层对海量信息进行组织分类越来越不适合海量信息的检索工作,这种平坦式的分类组织难以进一步提高信息检索的速度。论文将SMO分类算法结合到文本分类研究中,通过构建多层支持向量机文本分类树,实现了基于SMO的多层次文本分类系统。
- 何建兵何清史忠植
- 关键词：文本分类支持向量机SMO算法
