一种基于PCA组合特征提取和近似支持向量机的分类方法

摘要

本发明涉及计算机科学技术领域，公开的一种基于PCA组合特征提取和近似支持向量机的分类方法，是搜集预料信息，从训练集合中提取出词表，从训练集合中提取总词表，建立词语特征文档矩阵A，求协方差矩阵，PCA将特征向量降维，特征词提取，重新对剩下的T个特征词重新求权重，得到的特征项及相应数据送入一种近似支持向量机分类模型进行分类训练与测试，将生成新的文本向量输入到文本分类模块中进行分类,得到最终分类结果。本发明通过近似支持向量机将分类问题归结成仅含线性等式约束的二次规划问题,有效降低了时间复杂度和空间复杂度。能够获得更好的文本分类准确率和更快的执行效率，可以较快速准确的完成文本分类，具有一定的实用意义。