基于极限学习机的XML文档分类  

XML Document Classification Based on Extreme Learning Machine

作　　者：陈盛双[1] 

机构地区：[1]武汉理工大学理学院,武汉430070

出　　处：《计算机工程》2011年第19期177-178,182,共3页Computer Engineering

摘　　要：研究基于极限学习机(ELM)的XML文档分类方法。为优化文档的相似性计算,在结构链接向量模型的基础上,提出一种改进的特征向量模型RS-VSM,将有效的结构化信息合并到向量模型中。应用ELM对XML文档进行分类,为提高ELM分类的准确率,提出一种基于投票机制的Voting-ELM算法。实验结果证明,该算法的分类效果较优。This paper studies eXtensible Markup Language（XML） document classification method based on Extreme Learning Machine（ELM）.On the basis of Structured Link Vector Model（SLVM）,an optimized Reduced Structured Vector Space Model（RS-VSM） is proposed to incorporate structural information into feature vectors more efficiently.It applies ELM in the XML document classification to achieve good performance at extremely high speed.A voting-ELM algorithm is proposed to improve accuracy of ELM classifiers.Experimental results demonstrate that the voting-ELM classifiers can achieve better performance.

关 键 词：可扩展标记语言 分类 极限学习机 结构链接向量模型 投票机制 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]