UCM算法及其在电子政务网页分类系统中的应用

发布时间：2019-03-08 18:37

【摘要】：针对大规模训练集的网页分类问题提出UCM(UC and SVM)分类方法。UCM算法结合了支持向量机SVM(Support Vector Machine)与无监督聚类UC(Unsupervised Clustering)的特点,使网页分类既有较高的准确率,又有较快的分类速度。在训练阶段,UCM算法利用UC方法形成聚类中心;在分类阶段,UCM算法计算待分类网页与正例中心及反例中心的距离,若距离差较大,用UC分类,否则用SVM分类。在电子政务网页分类系统中的应用表明,UCM网页分类算法在准确率方面远高于UC,略高于SVM;在分类速度上,UCM介于UC和SVM二者之间,远大于SVM。
[Abstract]:The UCM (UC and SVM) algorithm combines the characteristics of support vector machine (SVM (Support Vector Machine) and unsupervised clustering UC (Unsupervised Clustering) (unsupervised clustering), which makes the classification of web pages more accurate. There is also a faster classification speed. In the training stage, the UCM algorithm uses the UC method to form the clustering center, and in the classification stage, the UCM algorithm calculates the distance between the web pages to be classified and the positive and negative examples centers. If the distance difference is large, UC is used to classify the web pages, otherwise SVM is used to classify the web pages. The application in E-government web page classification system shows that the accuracy of UCM web page classification algorithm is much higher than that of UC, and slightly higher than that of SVM; in classification speed. UCM is between UC and SVM, and much greater than SVM..
【作者单位】： 电子科技大学计算机科学与工程学院;95661部队自动化站;重庆金美通信有限责任公司;
【分类号】：TP393.092

【参考文献】

相关期刊论文 前2条

1 张翔;肖小玲;徐光yP;;基于样本之间紧密度的模糊支持向量机方法[J];软件学报;2006年05期

2 陈晓云;陈垎;王雷;李荣陆;胡运发;;基于分类规则树的频繁模式文本分类[J];软件学报;2006年05期

相关硕士学位论文 前1条

1 王晶;面向通信管理的电子政务系统及其网页分类的研究与实现[D];上海交通大学;2009年

【共引文献】

相关期刊论文 前10条

1 胡胜海;徐鹏;何蕾;杨奇;富威;;基于支持向量机的舰炮自动弹库方案决策研究[J];兵工学报;2011年11期

2 刘芸;唐发根;林广艳;;一种改进的近似支持向量机算法[J];北京航空航天大学学报;2007年09期

3 朱颢东;李红婵;;关于Top-N最频繁项集挖掘的研究[J];电子科技大学学报;2010年05期

4 王晓锋;秦玉平;;基于支持向量机的网页多类分类技术[J];大连轻工业学院学报;2007年04期

5 张爱华;;基于特征双重加权支持向量机的放大器性能综合评价研究[J];电路与系统学报;2012年03期

6 郭玉琴;袁方;刘海博;;基于模糊分类规则树的文本分类(英文)[J];Journal of Southeast University(English Edition);2008年03期

7 唐静远;师奕兵;;采用模糊支持向量机的模拟电路故障诊断新方法[J];电子测量与仪器学报;2009年06期

8 汪廷华;田盛丰;黄厚宽;;特征加权支持向量机[J];电子与信息学报;2009年03期

9 刘洋;张秋余;;基于Huffman树的模糊多类支持向量机[J];辽宁工程技术大学学报(自然科学版);2008年01期

10 李艳燕;廖剑;王晶;黄荣怀;;协作学习交互分析工具及其案例研究[J];开放教育研究;2007年04期

相关会议论文 前5条

1 ;Research on Amplifier Performance Evaluation Based on Feature Double Weighted Support Vector Machine[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

2 王孟;白清源;谢丽聪;谢伙生;张莹;;一种含有负项的关联文本分类[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

3 王孟;白清源;谢丽聪;谢伙生;张莹;;基于信息增益规则排序的关联文本分类[A];第二十四届中国数据库学术会议论文集（技术报告篇）[C];2007年

4 沈志斌;白清源;;基于加权修正的KNN文本分类算法[A];第二十五届中国数据库学术会议论文集（一）[C];2008年

5 商炳章;白清源;;基于特征项权重改进的关联文本分类[A];第二十五届中国数据库学术会议论文集（二）[C];2008年

相关博士学位论文 前10条

1 王科平;自动图像标注的关键技术研究[D];北京邮电大学;2011年

2 金珠;改进的支持向量机分类算法及其在煤矿人因事故安全评价中的应用[D];中国矿业大学;2011年

3 刘伍颖;面向垃圾信息过滤的主动多域学习文本分类方法研究[D];国防科学技术大学;2011年

4 石夫乾;基于Valence-Arousal的产品内隐情感表示与推理技术研究[D];浙江大学;2011年

5 王磊;支持向量机学习算法的若干问题研究[D];电子科技大学;2007年

6 张永;基于模糊支持向量机的多类分类算法研究[D];大连理工大学;2008年

7 徐志强;贯通线故障定位的区间算法研究[D];北京交通大学;2008年

8 范庆辉;虚拟毫米波被动探测系统[D];南京理工大学;2008年

9 许亮;基于核函数和知识的化工过程安全运行智能支持系统研究[D];华南理工大学;2007年

10 杜阿宁;互联网舆情信息挖掘方法研究[D];哈尔滨工业大学;2007年

相关硕士学位论文 前10条

1 周广千;模糊支持向量机在人脸识别中的应用[D];长沙理工大学;2010年

2 许世明;中文网页分类技术研究及预分类算法实现[D];西安电子科技大学;2009年

3 宋晓旭;基于语义网的文本分类研究[D];沈阳工业大学;2011年

4 沈飞;模糊支持向量机在人脸识别中的应用[D];吉林大学;2011年

5 李原;中文文本分类中分词和特征选择方法研究[D];吉林大学;2011年

6 张清;基于模糊支持向量机的变压器远程故障诊断研究[D];北京交通大学;2011年

7 李阳;最小二乘支持向量机稀疏化算法的改进研究[D];重庆师范大学;2011年

8 房小兆;超球结构支持向量机的研究与应用[D];广东工业大学;2011年

9 谷雪;模糊支持向量机的研究与应用[D];辽宁师范大学;2011年

10 彭翔;基于模糊理论的雷达目标一维距离像识别研究[D];电子科技大学;2011年

【二级参考文献】

相关期刊论文 前9条

1 张鸿宾,孙广煜;近邻法参考样本集的最优选择[J];电子学报;2000年11期

2 李蓉 ,叶世伟 ,史忠植;SVM-KNN分类器——一种提高SVM分类精度的新方法[J];电子学报;2002年05期

3 都云琪,肖诗斌;基于支持向量机的中文文本自动分类研究[J];计算机工程;2002年11期

4 高军 ,王腾蛟 ,杨冬青 ,唐世渭;基于Ontology的Web内容二阶段半自动提取方法[J];计算机学报;2004年03期

5 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期

6 萧嵘 ,王继成 ,孙正兴 ,张福炎;一种SVM增量学习算法α-ISVM[J];软件学报;2001年12期

7 陈毅松,汪国平,董士海;基于支持向量机的渐进直推式分类学习算法[J];软件学报;2003年03期

8 张翔;肖小玲;徐光yP;;基于样本之间紧密度的模糊支持向量机方法[J];软件学报;2006年05期

9 陈晓云;陈垎;王雷;李荣陆;胡运发;;基于分类规则树的频繁模式文本分类[J];软件学报;2006年05期

【相似文献】

相关期刊论文 前10条

1 李红莲,王春花,袁保宗,朱占辉;针对大规模训练集的支持向量机的学习策略[J];计算机学报;2004年05期

2 刘年义;魏跃进;;SVM的快速分类及其算法[J];焦作师范高等专科学校学报;2009年04期

3 胡广朋;黄海洋;;使用协议分析和聚类支持向量机的入侵检测方法[J];江苏科技大学学报(自然科学版);2010年06期

4 薛贞霞;刘三阳;齐小刚;;基于壳向量和中心向量的支持向量机[J];数据采集与处理;2009年03期

5 王燕霞;邓伟;;CTM与SVM相结合的文本分类方法[J];计算机工程;2010年22期

6 刘丽珍;贺海军;陆玉昌;宋瀚涛;;支持向量机在网页信息分类中的应用研究[J];小型微型计算机系统;2007年02期

7 高恒振;万建伟;许可;钱林杰;;基于聚类核函数的最小二乘支持向量机高光谱图像半监督分类[J];信号处理;2011年02期

8 张娜;亢军贤;王峰;王翔;孙锋;;基于模糊核聚类和SVM的说话人辨识[J];电脑知识与技术(学术交流);2007年19期

9 李荣华;杨祖元;赵敏;谢胜利;;基于支持向量机的欠定盲分离[J];电子与信息学报;2009年02期

10 王睿;李言俊;张科;;基于不变矩和SVM分类的三维目标识别方法[J];计算机仿真;2011年01期

相关会议论文 前10条

1 周惠巍;李巍;黄德根;;基于NN-LSVM的日语依存关系解析[A];全国第八届计算语言学联合学术会议（JSCL-2005）论文集[C];2005年

2 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议（CACIS·2010）暨全国第2届安全关键技术与应用学术会议论文集[C];2010年

3 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年

4 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算（机）化学学术会议论文摘要集[C];2011年

5 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年

6 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年

7 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年

8 师旭超;巴松涛;;基于支持向量机方法的深基坑变形预测[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集（上册）[C];2004年

9 张军;;支持向量机方法在地下水位干扰排除中的初步应用[A];2007年地震流体学术研讨会论文摘要集[C];2007年

10 许建生;盛立东;;基于改进的支持向量机和BP神经网络的识别算法[A];第八届全国汉字识别学术会议论文集[C];2002年

相关重要报纸文章 前10条

1 课题主持人 李心丹　课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年

2 李水根;计算机详解配伍与药效关系[N];健康报;2005年

3 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年

4 YMG记者 李仁　通讯员 曲华明 孙运智;我市九项目进入省“盘子”[N];烟台日报;2010年

5 上海大学理学院教授、副院长 陆文聪;酷爱化学 孜孜以求[N];中国化工报;2006年

6 ;选择合适的数据挖掘算法[N];计算机世界;2007年

7 记者 耿挺;蛋白质功能算出来[N];上海科技报;2007年

8 周颖;王米渠与中医心理学[N];中国中医药报;2006年

9 记者 张云普邋通讯员 全攀峰 安强强;大庆物探深度域地震资料岩性解释技术获得五大突破[N];中国石油报;2008年

10 本报记者 冯治恩;敢与“雷公”试比高[N];铜川日报;2008年

相关博士学位论文 前10条

1 沈曙光;基于支持向量机的热工过程逆动力学建模及控制[D];重庆大学;2009年

2 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年

3 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年

4 栾锋;支持向量机（SVM）和径向基神经网络（RBFNN）方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年

5 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学（河北）;2007年

6 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年

7 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年

8 田英杰;支持向量回归机及其应用研究[D];中国农业大学;2005年

9 燕忠;基于蚁群优化算法的若干问题的研究[D];东南大学;2005年

10 任东;基于支持向量机的植物病害识别研究[D];吉林大学;2007年

相关硕士学位论文 前10条

1 刘艳伟;支持向量机方法在感潮河段洪峰水位预报中的应用[D];浙江大学;2010年

2 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年

3 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年

4 聂小芳;模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究[D];辽宁工程技术大学;2009年

5 鄢常亮;基于支持向量机的高炉向凉向热炉况预测研究[D];内蒙古科技大学;2010年

6 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年

7 冯杰;慢时变对象的支持向量机建模与在线校正方法研究[D];东北大学;2009年

8 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年

9 王奇安;基于广泛内核的CVM算法研究及参数C的选择[D];南京航空航天大学;2009年

10 张永新;基于支持向量机和遗传算法相结合的模拟电路故障诊断方法研究[D];东北大学;2009年

，

本文编号：2437093