基于超椭球支持向量机的兼类文本分类算法  

Multi-label Text Classification Algorithm Based on Hyper Ellipsoidal SVM

作　　者：秦玉平[1] 王祎[2] 伦淑娴[3] 王秀坤[4] 

机构地区：[1]渤海大学工学院,锦州121013 [2]渤海大学数理学院,锦州121013 [3]渤海大学新能源学院,锦州121013 [4]大连理工大学计算机科学与技术学院,大连116024

出　　处：《计算机科学》2013年第11A期98-100,共3页Computer Science

基　　金：国家自然科学基金(60974071);辽宁省自然科学基金(201202003);辽宁省教育厅重点实验室项目(LS2010180)资助

摘　　要：提出一种基于超椭球支持向量机的多类文本分类算法。对每一类样本,利用超椭球支持向量机方法在特征空间求得一个超椭球,使其包含该类尽可能多的样本,同时将噪音点排除在外。分类时,利用待分类样本映射到每个超椭球球心的马氏距离确定其类别。在标准数据集Reuters 21578上的实验结果表明,该算法有效地提高了分类精度。A new multi-label text classification algorithm based on hyper ellipsoidal support vector machines was proposed. To each class sample, the hyper ellipsoidal that includes as much the class samples as possible and push the outlier samples away is trained in the featuer space. For the sample to be classified, the mahalanobis distance from the sample mapping to the center of each hyper ellipsoidal were used to decide the sample classs. The results of the experiment show that the proposed algorithm has a higher classification accuracy.

关 键 词：超椭球支持向量机 兼类分类 马氏距离 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]