| 基于SVM算法的文本分类技术研究 |
| |
| 引用本文： | 崔建明,刘建明,廖周宇.基于SVM算法的文本分类技术研究[J].计算机仿真,2013,30(2). |
| |
| 作者姓名： | 崔建明 刘建明 廖周宇 |
| |
| 作者单位： | 1. 桂林理工大学现代教育与技术中心,广西桂林,541004
2. 桂林理工大学信息科学与工程学院,广西桂林,541004 |
| |
| 摘 要： | 在优化分类技术的研究中,文本特征化后通常具有高维性和不平衡性的特点,导致传统的分类算法准确率不高的问题.针对文本分类器的性能容易受到核函数和参数的影响的问题,为提高文本分类器的准确性.采用支持向量机(SVM)的理论在文本分类技术同时将根据优化的粒子群算法(PSO)引入SVM分类算法中进行优化文本分类器的参数,将分类器的准确率作为PSO算法适应度函数通过粒子移动操作找出最佳参数并用SVM算法进行分类.在文本数据集上的仿真结果表明,与传统的算法相比,经PSO算法优化后的SVM文本分类器的准确性更高,PSO算法是一种有效的优化方法,能广泛应用于文本分类问题.
|
| 关 键 词： | 支持向量机 文本分类 算法 |
Research of Text Categorization Based on Support Vector Machine |
| |
| CUI Jian-ming
,
LIU Jian-ming
,
LIAO Zhou-yu.Research of Text Categorization Based on Support Vector Machine[J].Computer Simulation,2013,30(2). |
| |
| Authors: | CUI Jian-ming LIU Jian-ming LIAO Zhou-yu |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
