基于SVM算法的文本分类技术研究

• 作者: 刘建明 崔建明 廖周宇
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 支持向量机 文本分类 算法
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 仿真智能化
• 页码范围: 299-302,368
• 页数: 5页
• 分类号: TP391.9
• 字数: 3349字
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔建明	桂林理工大学现代教育与技术中心	15	270	5.0	15.0
2	廖周宇	桂林理工大学信息科学与工程学院	2	145	2.0	2.0
3	刘建明	桂林理工大学信息科学与工程学院	3	146	2.0	3.0