面向循证医学网络文献的SVM分类方法  

SVM Applying to EBM Web Page Classification

作　　者：甘新玲[1] 鲁明羽[1] 唐焕玲[1,2] 李永[1] 

机构地区：[1]大连海事大学信息科学技术学院,辽宁大连116026 [2]烟台职业学院,山东烟台264025

出　　处：《广西师范大学学报（自然科学版）》2008年第3期214-217,共4页Journal of Guangxi Normal University:Natural Science Edition

基　　金：国家自然科学基金资助项目(60473115);教育部博士点基金资助项目(20070151009)

摘　　要：支持向量机(support vector machine,SVM)是在统计学习理论基础上发展起来的一种新的机器学习方法,是一种高效的分类识别方法。首先分析支持向量机原理,然后提出一种使用Bagging组合学习方法改进SVM算法的网页分类方法。基于循证医学网络文献分类的实验表明,该方法使训练数据规模大大减小,且比传统的SVM算法分类性能更好,具有较好的精确率和召回率。SVM is a new machine learning technique based on statistical learning theory,and it has become an effective classification method. In this paper,the theory of SVM is studied,then a webpage classification of proving SVM algorithm through combined learning methods of bagging is presented. The experiments based on evidence-based medicine web documents show that this method can improve classification accuracy more effectively than single SVM classifier.

关 键 词：循证医学 网页分类 支持向量机 核函数 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]