支持向量机在文本分类中的应用的概述 |
| |
引用本文: | 匡琳.支持向量机在文本分类中的应用的概述[J].科技资讯,2008(36):218-219. |
| |
作者姓名: | 匡琳 |
| |
作者单位: | 江西财经大学,江西南昌,330013 |
| |
摘 要: | 支持向量机SVM(Support Vector Machine)是在统计学理论基础上发展起来的一种新机器学习方法。统计学习理论的实现,使得SVM迅速发展和完善,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中。SVM具有理论完备、适应性强、全局优化、训练时间短、泛化性能好等优点。由于其良好的性能,现已经成功的应用在数据挖掘,模式识别,文本分类,航拍图像识别等各领域。本文简单地介绍了SVM的算法及在文本分类中的应用。
|
关 键 词: | 支持向量机 任务分解 模块集成 模式识别 文本分类 |
本文献已被 CNKI 维普 万方数据 等数据库收录! |
|