基于支持向量機(jī)的多類(lèi)網(wǎng)頁(yè)分類(lèi)方法.pdf

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展,為了有效地組織和分析這些海量的網(wǎng)絡(luò)信息,人們希望對(duì)網(wǎng)頁(yè)實(shí)現(xiàn)自動(dòng)分類(lèi)。因此,網(wǎng)頁(yè)分類(lèi)技術(shù)成為快速有效地組織網(wǎng)絡(luò)信息的一項(xiàng)重要技術(shù)。而支持向量機(jī)(SVM)因其出色的學(xué)習(xí)能力,已成為機(jī)器學(xué)習(xí)界的研究熱點(diǎn)。
　　 本文介紹了網(wǎng)頁(yè)分類(lèi)的預(yù)處理技術(shù)、常用的網(wǎng)頁(yè)分類(lèi)方法和網(wǎng)頁(yè)分類(lèi)評(píng)價(jià)標(biāo)準(zhǔn),闡述了SVM的基本原理、各種訓(xùn)練算法、SVM多類(lèi)分類(lèi)方法和發(fā)展方向,分析了SVM技術(shù)在網(wǎng)頁(yè)分類(lèi)中的重要性。針對(duì)多類(lèi)網(wǎng)頁(yè)分類(lèi)中樣本集不平

2、衡的問(wèn)題,提出了基于欠取樣和反饋學(xué)習(xí)的不平衡SVM多類(lèi)分類(lèi)算法,使用最小距離欠取樣的方法和反饋機(jī)制,改善了分類(lèi)超平面的位置,提高了分類(lèi)準(zhǔn)確率。針對(duì)多類(lèi)分類(lèi)準(zhǔn)確率不高的問(wèn)題,采用距離最大熵的思想構(gòu)造SVM多類(lèi)分類(lèi)中二叉樹(shù)葉節(jié)點(diǎn)的類(lèi)別順序,提出了基于最大熵的二叉樹(shù)SVM多類(lèi)分類(lèi)算法,將與其他類(lèi)別相近性最小的類(lèi)別先分離出來(lái),降低了根節(jié)點(diǎn)以及上層節(jié)點(diǎn)的錯(cuò)誤積累現(xiàn)象,解決了信息的概率分配問(wèn)題,提高了SVM多類(lèi)分類(lèi)的準(zhǔn)確率。將改進(jìn)后的SVM多類(lèi)分類(lèi)