作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
特征具有高维、稀疏性.为提高了文本自动分类准确率,针对PCA提取特征需要对大规模文本进行批处理,影响文本的准确率等,提出一种基于增量主元分析方法(CCIPCA)和最二小乘向量机(LSSVM)相结合的文本自动分类算法(CCIPCA-LSSVM).首先通过互信法选择文本特征,然后采用CCIPCA高维文本特征进行提取,降低特征维数,消除冗余特征,最后采用LSSVM对提取特征进行学习,并通过粒子群算法对分类器优化,建立最优文本自动分类模型.仿真结果表明,相对于其它文本分类算法,CCIPCA-LSSVM提高了文本分类准确率和召回率,解决了文本特征提取过程存在的难题.
推荐文章
基于混沌微粒群算法的文本分类研究
文本分类
分类规则
微粒群优化算法
混沌
基于CCIPCA和ICA降维的文本分类研究
文本分类
特征降维
直观无协方差增量主元分析
独立成分分析
支持向量机
基于免疫算法的文本分类研究
文本分类
免疫
克隆选择
抗体浓度
基于发现特征子空间模型的文本分类算法
发现特征子空间
文本分类
模式
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于CCIPCA-LSSVM的文本自动分类算法
来源期刊 科学技术与工程 学科 工学
关键词 文本分类 特征提取 最小二乘支持向量机 增量主元分析方法 粒子群优化算法
年,卷(期) 2013,(10) 所属期刊栏目 论文
研究方向 页码范围 2704-2709
页数 6页 分类号 TP311.56
字数 3146字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张鸿彦 河南工程学院软件学院 9 22 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (46)
共引文献  (277)
参考文献  (9)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1972(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(5)
  • 参考文献(0)
  • 二级参考文献(5)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(7)
  • 参考文献(2)
  • 二级参考文献(5)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(7)
  • 参考文献(3)
  • 二级参考文献(4)
2006(6)
  • 参考文献(1)
  • 二级参考文献(5)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
文本分类
特征提取
最小二乘支持向量机
增量主元分析方法
粒子群优化算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科学技术与工程
旬刊
1671-1815
11-4688/T
大16开
北京市海淀区学院南路86号
2-734
2001
chi
出版文献量(篇)
30642
总下载数(次)
83
总被引数(次)
113906
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导