基于云模型的并行蚁群-SVM分类方法

• 作者: 余桂兰 左敬龙 陈珂
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 云模型 逆向云发生器 并行蚁群算法 支持向量机 网页分类
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 131-134
• 页数: 4页
• 分类号: TP391
• 字数: 3818字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2014.04.033

摘要

支持向量机( SVM)是一种高效的分类识别方法，在解决高维模式识别问题中表现出许多特有的优势，但SVM不利于海量数据的挖掘。为了改善SVM对大样本数据的适应性，提高算法的收敛速度，利用云模型来优化并行蚁群算法，提出了一种基于云模型的并行蚁群-SVM网页分类方法。将蚂蚁当前位置坐标作为云滴的两个参数，用逆向云发生器产生信息云的三个数字特征，采用不同的方法来更新蚂蚁的信息素，比较真实地体现了现实蚁群的运作情况，达到了实时动态更新的效果。通过对比测试，验证了CPACA-SVM方法在准确率和召回率上均有明显提高，具有较好的分类效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈珂	广东石油化工学院计算机与电子信息学院	62	243	8.0	12.0
2	左敬龙	广东石油化工学院计算机与电子信息学院	36	128	6.0	9.0
3	余桂兰	广东石油化工学院计算机与电子信息学院	16	58	5.0	6.0