基于混合核函數(shù)支持向量機的文本分類研究.pdf

1、隨著計算機技術的高速發(fā)展,人們搜集、存儲數(shù)據的能力空前提高,不管在科學研究還是在社會生活的各個領域,都積累了大量的數(shù)據。采用機器學習的方法分析數(shù)據、挖掘數(shù)據背后的信息,促成了基于支持向量機的分類技術的產生。自20世紀90年代Vapnik等人提出基于統(tǒng)計學習理論支持向量機算法以來,基于核函數(shù)的機器學習方法(核方法)得到了迅猛的發(fā)展,目前已經成為了機器學習領域和人工智能領域的研究熱點之一,廣泛應用在生物信息技術、圖像處理和文本分類等多個領域

2、。
　　對支持向量機的進一步研究,無論對核函數(shù)理論的完善和發(fā)展,還是對核函數(shù)方法在應用領域的進一步研究拓展,都具有極其重要的意義。核函數(shù)是實現(xiàn)非線性映射的重要途徑,正是支持向量機得到廣泛應用和取得良好效果的關鍵所在。本篇論文的工作就是研究混合核函數(shù)的性質、構造以及應用。研究混合核核函數(shù)的意義在于一方面可以擴展提高支持向量機在現(xiàn)實生活中的應用性;另一方面核函數(shù)方法還處于剛剛發(fā)展的初始階段,其潛力還沒有得到完全發(fā)掘。
　　隨著W

3、EB數(shù)據挖掘技術的不斷發(fā)展,現(xiàn)今的文本分類技術如何能夠改善文本信息雜亂無章的狀況,提高對WEB數(shù)據搜索的質量,進而快速有效的獲得文本信息已經成為研究的重點。所以,人們越來越關注文本自動分類技術?；跈C器學習的文本自動分類技術有著比較好的效果,該技術有著多種算法,例如:樸素貝葉斯算法、k最近鄰算法、決策樹算法以及支持向量機算法等。
　　本文將基于混合核函數(shù)的支持向量機算法應用于文本分類技術中,先分析了新的混合核函數(shù)的合法性、性質、算