基于FOA-SVM的中文文本分类方法研究

• 作者: 张波 王岩 薛博
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 中文文本分类 支持向量机 果蝇优化算法 参数优化
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 计算机科学
• 页码范围: 759-763
• 页数: 5页
• 分类号: TP391
• 字数: 3719字
• 语种: 中文
• DOI: 103969/j.issn.0490-6756.2016.07.010

摘要

中文文本分类方法直接影响分类性能,支持向量机(SVM)在处理文本分类这种高维问题上有明显的优势.SVM的分类精度取决于核函数的核参数和惩罚参数,本文提出了一种用果蝇优化算法(FOA)获取SVM参数的FOA-SVM方法.将FOA-SVM用于中文文本分类,实验结果表明,FOA-SVM能得到较高的分类准确率,在文本分类上表现较强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张波	天津商业大学信息工程学院	36	101	6.0	9.0
2	王岩	天津商业大学信息工程学院	8	12	1.0	3.0
3	薛博	天津商业大学信息工程学院	1	10	1.0	1.0