支持增量学习的文本单类别分类算法

doi:10.3778/j.issn.1002-8331.2008.27.050

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (27): 157-158.DOI: 10.3778/j.issn.1002-8331.2008.27.050

• 数据库、信号与信息处理 • 上一篇下一篇

支持增量学习的文本单类别分类算法

戴洪¹,朱明²,刘守群²

1.中国科学技术大学电子信息工程系，合肥 200027
2.中国科学技术大学自动化系，合肥 200027

收稿日期:2007-11-09 修回日期:2008-01-31 出版日期:2008-09-21 发布日期:2008-09-21
通讯作者: 戴洪

Incremental learning algorithm for one-class document classification

DAI Hong¹,ZHU Ming²,LIU Shou-qun²

1.Department of Electronic Engineering and Information Science，University of Science & Technology of China，Hefei 230027，China
2.Department of Automation，University of Science & Technology of China，Hefei 230027，China

Received:2007-11-09 Revised:2008-01-31 Online:2008-09-21 Published:2008-09-21
Contact: DAI Hong

摘要/Abstract

摘要： 目前的文本单类别分类算法在进行增量学习时需要进行大量的重复计算，提出了一种新的用于文本的单类别分类算法，在不降低分类效果的同时，有效地减少了加入新样本学习时所需的计算量，从而比较适合于需要进行增量学习的情况。该方法已进行了测试实验，获得了较好的实验结果。

关键词: 简单贝叶斯, 支持向量机, 单类别分类, 文本/网页分类

Abstract: In this paper，an incremental learning algorithm for one-class document classification is proposed.It also has the advantage of low computational load with the same level of performance.A prototype system is constructed to implement the algorithms，and the results of the tests are pretty good.

Key words: Naï, ve Bayesian, Support Vector Machine（SVM）, one-class classification, text/Web classification

戴洪¹,朱明²,刘守群². 支持增量学习的文本单类别分类算法[J]. 计算机工程与应用, 2008, 44(27): 157-158.

DAI Hong¹,ZHU Ming²,LIU Shou-qun². Incremental learning algorithm for one-class document classification[J]. Computer Engineering and Applications, 2008, 44(27): 157-158.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[3]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[4]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[5]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[6]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[7]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[8]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[9]	高晋，赵云芃，Godfred Kim Mensah，李欣芸，刘志芬，陈俊杰，郭浩. 静息态功能脑连接的空间动态分析及分类研究[J]. 计算机工程与应用, 2021, 57(2): 150-155.
[10]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[11]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.
[12]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[13]	陈菲雨，岳文斌，饶颖露，邢金昊，马晓静. 基于改进TLD算法的无人机自主精准降落[J]. 计算机工程与应用, 2020, 56(7): 247-254.
[14]	马玲，罗晓曙，蒋品群. 基于模板匹配和支持向量机的点阵字符识别研究[J]. 计算机工程与应用, 2020, 56(4): 134-139.
[15]	张忠林，冯宜邦，赵中恺. 一种基于SVM的非均衡数据集过采样方法[J]. 计算机工程与应用, 2020, 56(23): 220-228.

支持增量学习的文本单类别分类算法

Incremental learning algorithm for one-class document classification

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics