K-means聚类和支持向量机结合的文本分类研究

doi:10.3778/j.issn.1002-8331.2010.22.051

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (22): 172-174.DOI: 10.3778/j.issn.1002-8331.2010.22.051

• 数据库、信号与信息处理 • 上一篇下一篇

K-means聚类和支持向量机结合的文本分类研究

贾燕花，徐蔚鸿

长沙理工大学计算机与通信工程学院，长沙 410004

收稿日期:2009-01-13 修回日期:2009-03-24 出版日期:2010-08-01 发布日期:2010-08-01
通讯作者: 贾燕花

Research on document classification based on k-means and Support Vector Machine

JIA Yan-hua，XU Wei-hong

Department of Computer and Communication，Changsha University of Science and Technology，Changsha 410004，China

Received:2009-01-13 Revised:2009-03-24 Online:2010-08-01 Published:2010-08-01
Contact: JIA Yan-hua

摘要/Abstract

摘要： 针对数据挖掘中文本自动分类问题，提出了一种基于k-means聚类算法和支持向量机相结合的文本分类方法。该方法先将文本大致聚为k类，然后对每一类用支持向量机进行细分。构造了可用于多个模式类识别的多层SVM模型，该模型可完成对多个模式的分类识别。给出了该模型的构造及应用的方法，并验证了该方法的有效性。

关键词: 文本分类, k-means算法, 聚类, 支持向量机

Abstract: Aming to documents classification in data mining，a classification method based on k-means and Support Vector Machine（SVM） is proposed.The documents are clustered k kinds by this method，then they are classified detailedly by SVM.The multilayer linked SVM model that can classify the samples set into multicategories is constructed.The method is shown about how the model is constructed and applied to classification and the practicability is also illustrated.

Key words: document classification, k-means algorithm, clustering, Support Vector Machine（SVM）

中图分类号:

TP391

贾燕花，徐蔚鸿. K-means聚类和支持向量机结合的文本分类研究[J]. 计算机工程与应用, 2010, 46(22): 172-174.

JIA Yan-hua，XU Wei-hong. Research on document classification based on k-means and Support Vector Machine[J]. Computer Engineering and Applications, 2010, 46(22): 172-174.

[1]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[2]	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.
[3]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[4]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[5]	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.
[6]	霍光煜，张勇，孙艳丰，尹宝才. 基于语义的档案数据智能分类方法研究[J]. 计算机工程与应用, 2021, 57(6): 247-253.
[7]	杨芳，尹曦，司建辉，刘宏媛，汪雪. 基于侧重点聚类的数学表达式相似度计算方法[J]. 计算机工程与应用, 2021, 57(6): 88-93.
[8]	黄金杰，蔺江全，何勇军，何瑾洁，王雅君. 局部语义与上下文关系的中文短文本分类算法[J]. 计算机工程与应用, 2021, 57(6): 94-100.
[9]	赵凡，张琳，闻治泉，杨林林，蔺广逢. 一种直接高效的自然场景汉字逼近定位方法[J]. 计算机工程与应用, 2021, 57(6): 159-167.
[10]	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.
[11]	彭启慧，宣士斌，高卿. 分布的自动阈值密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(5): 71-78.
[12]	李勇振，廖湖声. 基于图卷积神经网络的多视角聚类[J]. 计算机工程与应用, 2021, 57(5): 115-122.
[13]	王昌龙，张远东，缪宏，杨煜恒. 双通道卷积神经网络在南瓜病害识别上的应用[J]. 计算机工程与应用, 2021, 57(5): 183-189.
[14]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[15]	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.

K-means聚类和支持向量机结合的文本分类研究

Research on document classification based on k-means and Support Vector Machine

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