论文部分内容阅读
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。