基于LASVM-NC和TF.RF的文本分类方法

摘要：

非凸在线支持向量机（LASVM-NC）具有抗噪能力强和训练速度快的优点，而词频相关频率积（tf.rf）则是一种自适应能力很强、分类性能非常好的文本特征。通过把非凸在线支持向量机和词频相关频率积相结合，提出了一种新的文本分类方法，即LASVM-NC+tf.rf。实验结果表明，这种方法在LASVM-NC与多种其他特征的结合中性能是最好的，且与SVM+tf.rf相比，不仅所产生的分类器具有泛化能力更强、模型表达更稀疏的优点，而且在处理含噪声的数据时具有更好的鲁棒性，在处理大规模数据时具有快得多的训练速度。

关键词：非凸在线支持向量机、支持向量机、特征项、词频、相关频率、文本分类

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金No.61175004，No.60775010；北京市自然科学基金No.4112009；北京市教委科技发展项目No.KZ201210005007；高等学校博士学科点专项科研基金No.20121103110029。

在线出版日期：2014-06-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：136-140,265