基于优化的多核学习方法的web文本分类的研究

web文本分类技术是数据挖掘中一个重要研究领域，为了能从海量信息中快速检索遍布网络各处的文档，需要提高web文本分类技术的性能。多核学习方法是当前机器学习领域的一个热点，可以显著提升分类识别能力和学习推广能力，而核方法是解决高维非线性模式分析的有效方法之一。利用多核代替单核能增强决策函数的可解释性并获得更优的性能。本文分析研究了一种基于优化的多核学习的支持向量机，在此基础上结合通用的web文本分类模型，提出了一种基于多核学习支持向量机的web分类方法。通过实验测试表明，该方法具有良好的效果，对比一致组合的多核学习方法，所提出的方法具有较高的准确率。