|
|
1.
基于支持向量机的隐含语意特征选择方法
李旻松 段琢华
计算机应用
2011, 31 (09):
2429-2431.
DOI: 10.3724/SP.J.1087.2011.02429
隐含语意索引(LSI)是一个能有效捕获文档中词的隐含语意特征的方法。然而，用该方法选择的特征空间对文本分类来说可能不是最适合的，因为这种方法按照词的变化排序特征，而没有考虑到分类能力。支持向量机(SVM)高度的泛化能力使它特别适用于高维数据例如文档的分类。为此提出基于支持向量机的特征提取方法用于选择适于分类的LSI特征。该方法利用SVM高度泛化的分类能力, 通过使用在每一个规则下训练的分类器的参数对第k个特征对反向平方分解面的贡献w2k的值进行估计。实验表明当需要比LSI更少的训练和测试时间时，该方法能够以更为紧凑的表示方式提高分类性能。
相关文章 |
多维度评价
|
|
