基于改进的SVM线性可分文本分类算法

• 作 者: 闫超
• 机 构: 太原理工大学计算机科学与技术学院
• 出 处: 电脑开发与应用
• 发表日期: 2010年8期
• 关键词: 支持向量机 线性可分 文本分类 support vector machine linearly separable text classification

支持向量机（Support Vector Machines,简称SVM）根据有限的样本信息在对文本分类的精度和学习能力之间,相比其他的文本分类算法寻求了最佳折中,从而获得了较好的推广能力。而SVM是从线性可分情况下的最优分类面发展而来的,因此对于线性可分文本具有更好的分类效果。给出了一种效率较高的线性可分文本的SVM算法,它在训练的时间复杂度上具有明显的改进,从而可以提高训练效率。结果表明：改进后的SVM算法相比以前的算法大大提高了运行效率。