基于粗糙集和BP神经网络的文本分类研究

• 作者: 唐云 罗俊松
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 粗糙集 神经网络 文本分类 约简
• 年，卷（期）: 2011,（6）
• 所属期刊栏目: 人工智能与专家系统
• 页码范围: 219-222,283
• 分类号: TP183
• 字数: 4353字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2011.06.054

摘要

研究文本分类、提高文本检索效率问题,针对文本特征维数过高导致神经网络收敛速度慢、文本分类精度低的难题,结合粗糙集的属性约简和神经网络的文本分类优点,提出了一种粗糙集(RS)结合BP神经网络的文本自动分类算法(RS-BPNN).RS-BPNN首先应用粗糙集理论的属性约简对文本特征预处理,降低向量维数,然后把冗余的属性从决策表中删去,最后利用神经网络进行分类.并在MATLAB环境中进行了仿真实验,仿真结果表明,RS-BPNN方法的识别精度比传统的BP神经网络高4%左右,提高了文本分类的精度和检索效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐云	成都理工大学信息工程学院	7	84	7.0	7.0
2	罗俊松	成都理工大学信息工程学院	15	88	6.0	9.0