期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
噪声消除与SMO算法收敛性
1
作者 何建兵 何清 史忠植 《计算机工程与应用》 CSCD 北大核心 2006年第24期160-163,共4页
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... 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。 展开更多
关键词 文本分类 支持向量机 smo算法 噪声样本
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部