基于PSO-SVM算法的长微博贴图识别方法

• 作者: 侯振杰 刘平 叶施仁 杨长春 肖飞
• 来源期刊: 常州大学学报（自然科学版）
• 学科: 工学
• 关键词: 长微博贴图 支持向量机 粒子群优化算法 最佳分类模型
• 年，卷（期）: 2013,（4）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 44-47
• 页数: 4页
• 分类号: TP391
• 字数: 3993字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-0411.2013.04.009

摘要

微博由于字数的限制,当用户需要发较多内容时通常以附图的形式给出,识别包含文本内容贴图的长微博能够为微博研究提供更多有用的数据.在支持向量机(SVM)的基础上结合粒子群算法(PSO)提出了一种识别长微博贴图的PSO-SVM算法.该方法提取长微博贴图的颜色矩和灰度共生矩阵特征,然后利用PSO算法对SVM模型中的误差惩罚参数和核函数进行优化得到最佳分类模型,其最优参数将被用作长微博贴图和非长微博贴图进行分类.实验表明,与传统的基于网格搜索法优化的SVM算法相比,PSO-SVM算法对长微博贴图识别具有更高的准确率和召回率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯振杰	常州大学信息科学与工程学院	28	54	5.0	6.0
2	杨长春	常州大学信息科学与工程学院	52	366	10.0	17.0
3	刘平	常州大学信息科学与工程学院	12	61	5.0	7.0
4	叶施仁	常州大学信息科学与工程学院	25	214	6.0	14.0
5	肖飞	常州大学信息科学与工程学院	1	5	1.0	1.0