基于改进KPCA与SVM的题名分类研究

• 作者: 聂黎生
• 来源期刊: 现代电子技术
• 关键词: 题名分类 核主成分分析 数据降维 特征提取 数据挖掘 模式识别
• 年，卷（期）: 2019,（16）
• 所属期刊栏目: 计算机科学与应用
• 页码范围: 108-111
• 页数: 4页
• 分类号: TN919-34|TP301.6
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.16.025

摘要

为了进一步提高期刊论文题名信息分类查准率和查全率,提出一种基于改进KPCA与SVM的知网题名信息分类算法.基于中国知网数据库选取《中文核心期刊要目总览》(2014年版)2017年度31种计算机学科(TP)期刊收录的13401篇论文题名作为实验语料库,采用改进KPCA算法对数据进行降维和特征提取,将提取的特征数据库作为SVM的输入进行训练和分类.实验结果表明,该方法较以往分类算法能够进一步提高期刊论文题名的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	聂黎生	江苏师范大学计算机科学与技术学院	12	17	2.0	3.0