面向循证医学网络文献的SVM分类方法

• 作 者: 甘新玲 鲁明羽 唐焕玲 李永
• 机 构: 大连海事大学信息科学技术学院,烟台职业学院
• 出 处: 广西师范大学学报(自然科学版)
• 发表日期: 2008年03期
• 关键词: 循证医学 网页分类 支持向量机 核函数 EBM webpage classification SVM kernel function
• 基金项目: 国家自然科学基金资助项目（60473115）,教育部博士点基金资助项目（20070151009）

支持向量机(support vector machine,SVM)是在统计学习理论基础上发展起来的一种新的机器学习方法,是一种高效的分类识别方法。首先分析支持向量机原理,然后提出一种使用Bagging组合学习方法改进SVM算法的网页分类方法。基于循证医学网络文献分类的实验表明,该方法使训练数据规模大大减小,且比传统的SVM算法分类性能更好,具有较好的精确率和召回率。