文本分类一直是数据挖掘领域中的研究重点之一,其目的是为了能将大量的并且无类别标注的文档进行类别上的归类。文本分类还是信息检索和信息过滤等信息处理技术的重要基础。所以提高文本分类的技术水平会给目前的信息科技提供一些很有利的支持点,来发展关于文本相关的信息应用科技。目前文本分类的技术早已从之前的基础理论研究发展成为以算法的简便程度和算法的速度为研究目的的研究层次。所以更好的算法是我们追求的目标之一。文章在概述了文本分类的基本概念和算法的基础上,综述了其中文本分类整体过程的一些情况,并重点讲述了特征词选择算法和分类算法部分。然后提出特征词提取部分算法中的二元正态分离法的改进。文章分析了原有算法未加入词频统计的概念和因此产生的不足,提出了分散度的概念,并设计了加入分散度概念的改进算法公式,通过具体的文本分类实验表明该算法的改进在中文文本分类应用中较原算法和其他特征词选择算法在分类效果上比较具有优势。文章还对二元正态分离特征词选择算法及其改进形式进行了相关实验分析,结果表明二元正态分离算法在分类表现上要优于其他算法,并且改进的算法强于源算法,该算法在最优特征词数量上也具有优势,文章还对二元正态分离特征词选择算法在支持向量机中的核函数使用情况进行实验对比分析,以及对惩罚因子和径向基核函数的参数的寻优实验。