吴波
- 作品数：2 被引量：1H指数：1
- 供职机构：淮北师范大学计算机科学与技术学院更多>>
- 发文基金：安徽省高校省级自然科学研究项目更多>>
- 相关领域：医药卫生自动化与计算机技术更多>>
- 文本分类技术探究被引量：1
- 2012年
- 首先阐述了文本分类的现状和定义,概述了文本分类的基本流程,然后对文本预处理过程中的分词和去停用词作了简要介绍。在简述文本表示的概念和常用模型之后,重点讨论了信息增益、文档频率、期望交叉熵、互信息和chi统计五种用于特征降维的特征选择方法,而后描述了Rocchio、朴素贝叶斯(NB)、支持向量机(SVM)、K最近邻(kNN)和决策树分类算法的基本指导思想,并从分类性能及其各自复杂度等方面分析比较了这几种算法的优缺点,最后评述了查全率、查准率和F-Measure三种常用的分类器性能评价指标。
- 吴波朱昌杰任逸卿
- 关键词：文本分类文本预处理分词
- 一种提高SVM分类速度的新方法
- 2012年
- 提出一种改进的支持向量机分类方法.通过引入分类圆心、分类半径、分类圆心距等概念,从而更加快速准确地删除非支持向量点,引入混淆度的概念,解决如何在样本严重混淆时进行剔除混淆点,保证算法的泛化性.实验证明,采用这种改进的算法能够在严重混淆的训练样本中保证准确度的同时提高支持向量机分类速度.
- 任逸卿朱昌杰吴波
- 关键词：支持向量机
