摘要
目前的文本单类别分类算法在进行增量学习时需要进行大量的重复计算,提出了一种新的用于文本的单类别分类算法,在不降低分类效果的同时,有效地减少了加入新样本学习时所需的计算量,从而比较适合于需要进行增量学习的情况。该方法已进行了测试实验,获得了较好的实验结果。
In this paper,an incremental learning algorithm for one-class document classification is proposed.It also has the advantage of low computational load with the same level of performanee.A prototype system is constructed to implement the algorithms, and the results of the tests are pretty good.
出处
《计算机工程与应用》
CSCD
北大核心
2008年第27期157-158,164,共3页
Computer Engineering and Applications
基金
国家高技术研究发展计划(863)(No.2006AA01Z449)~~
关键词
简单贝叶斯
支持向量机
单类别分类
文本/网页分类
Naive Bayesian
Support Vector Machine(SVM )
one-class classification
text/Web classification