基于改进QPSO和RBF神经网络的文本分类方法

• 作者: 姚姜虹 李滨旭
• 来源期刊: 计算机系统应用
• 关键词: 文本分类 量子PSO RBF神经网络 算法设计
• 年，卷（期）: 2016,（7）
• 页码范围: 264-267
• 页数: 4页
• 字数: 3457字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.005340

摘要

为提高文本分类的准确性，本文提出了一种基于量子 PSO 和 RBF 神经网络的新的文本分类方法。首先建立描述样本类别的关键词集合，并采用模糊向量空间模型建立每类样本的特征向量，然后采用 RBF 神经网络实施文本自动分类，采用改进的量子PSO优化RBF神经网络的参数，以提高其逼近能力。选取中国期刊网的部分文献作为实验数据，实验结果说明本文所提出方法的分类精准度与其他同类方法相比有明显的提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李滨旭	东北石油大学计算机与信息技术学院	7	19	3.0	4.0
2	姚姜虹		2	5	1.0	2.0