基于SVM的網(wǎng)頁分類技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,網(wǎng)絡(luò)成為人們獲取信息的主要來源,為了能有效地獲取這些信息,人們希望對網(wǎng)頁實現(xiàn)自動分類。因此,網(wǎng)頁分類成為實現(xiàn)快速檢索信息的一項重要技術(shù),它應(yīng)用機器學(xué)習(xí)的方法使網(wǎng)頁按照其內(nèi)容實現(xiàn)自動標(biāo)注。在眾多的網(wǎng)頁分類算法中,SVM因為其優(yōu)秀的學(xué)習(xí)與推廣能力、較高的分類準(zhǔn)確率,已成為一個研究熱點。
　　 介紹了SVM理論基礎(chǔ)、原理和訓(xùn)練算法,分析了基于SVM的網(wǎng)頁分類技術(shù)的優(yōu)點,闡述了不平衡SVM訓(xùn)練算法與多類SVM學(xué)

2、習(xí)算法。針對SVM在不平衡樣本集分類準(zhǔn)確率不高的問題,改進(jìn)了標(biāo)準(zhǔn)模糊SVM模型,引入?yún)?shù)λ,使最優(yōu)超平面與兩類樣本之間的距離不相等,增加樣本數(shù)較少一類的決策區(qū)域,同時利用樣本之間的互距離構(gòu)造模糊隸屬度函數(shù),更好地反映了樣本之間的分布情況,減少噪音數(shù)據(jù)對分類結(jié)果的影響,提高了分類準(zhǔn)確率。
　　 針對二分層次結(jié)構(gòu)的多類SVM算法中層次結(jié)構(gòu)設(shè)計的問題,提出了基于改進(jìn)的二分層次結(jié)構(gòu)的多類SVM網(wǎng)頁分類算法。本算法通過改進(jìn)的k-means