陕西省教育厅自然科学基金(2010JK773)
- 作品数：2 被引量：10H指数：2
- 相关作者：吴德刘三阳梁锦锦更多>>
- 相关机构：西安电子科技大学西安石油大学更多>>
- 发文基金：陕西省教育厅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>>
- 多类文本分类算法GS-SVDD被引量：4
- 2016年
- 传统多类文本多分类算法存在计算量大和训练时间长的问题,为此利用黄金分割(Golden Selection,GS)和支持向量域描述(Support Vector Domain Description,SVDD)对多类文本构造一种分类算法。GS-SVDD首先利用词频逆向文件频率(Term Frequency-Inverse Document Frequency,TF-IDF)公式计算词条的相对词频,根据该值将词条降序排列,并对得到的文本向量进行归一化;其次采用黄金分割法对文本向量进行维数约简,使得冗余的样本特征数不超过一个;最后根据支持向量域描述进行多类分类,判断待测文本归属相对类距离之值较小的类。不同数据集的数值实验表明,GS-SVDD比"一对一"和"一对多"支持向量机具有更好的稳定性、更高的分类精度和更短的训练时间,从而更适用于海量文本的多分类。
- 吴德刘三阳梁锦锦
- 关键词：黄金分割支持向量域描述维数约简
- 支持向量域多分类器被引量：6
- 2012年
- 为解决多分类支持向量机计算量大、训练时间长的问题,构造了支持向量域多分类器(MS-VDC).在训练阶段,运用支持向量域描述求得各类样本的最小包围超球,进而将数据空间划分为不同区域;在测试阶段,计算待识别样本与最小包围超球球心的距离,并判断其空间位置;对超球重叠以及超球外区域的样本,定义一种相对类距离,判断样本归属该值较小的类.MSVDC避免了重复利用训练样本,降低了内存占用并提高了计算效率.数值实验结果表明:MSVDC具有好的鲁棒性,分类精度可高达98.89%,分别比一对多和一对一算法高4.51%和1.24%,训练时间分别为一对多和一对一算法的18.06%和55.41%.
- 吴德刘三阳
- 关键词：多分类器支持向量域描述
