支持向量机与K近邻结合的网页分类方法

摘要：

在网页自动分类优化数据管理的研究,网页分类技术是数据挖掘研究中的一个热点领域,针对当前网页分类方法的精度低、速度慢等难题,为提高网页分类准确率,提出一种将支持向量机和最近邻相结合的网页分类方法(KNN-SVM).KNN-SVM在分类阶段计算待识别样本和最优分类超平面的距离,如果距离差大于给定阈值直接应用支持向量机分类,否则代入以每类的所有的支持向量作为代表点的K近邻分类并进行仿真.仿真结果表明,使用支持向量机结合最近邻分类的分类器分类比单独使用支持向量机分类具有更高的分类准确率,较好地解决应用支持向量机分类时核函数参数的选择问题.

关键词：支持向量机、最近邻分类、核函数

所属期刊栏目：27

分类号：TP181(自动化基础理论)

在线出版日期：2010-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：208-211