基于FOA-SVM的中文文本分类方法研究
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TP391

基金项目:

河北省教育厅指导项目 (Z2014149)


Research on Chinese classification based on FOA-SVM
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    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。

    Abstract:

    Fitting precision and generalization ability of support vector machines (SVM) depends on the nuclear parameters of kernel function and punish parameters largely. Researches on Chinese classification experiments results indicate that FOA-SVM can achieve high precision of modeling and the higher classification accuracy.

    参考文献
    相似文献
    引证文献
引用本文

引用本文格式: 王岩,张波,薛博. 基于FOA-SVM的中文文本分类方法研究[J]. 四川大学学报: 自然科学版, 2016, 53: 759.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2015-12-28
  • 最后修改日期:2016-03-19
  • 录用日期:2016-03-22
  • 在线发布日期: 2016-11-29
  • 出版日期:
通知
自2024年3月6日起,《四川大学学报(自然科学版)》官网已迁移至新网站:https://science.scu.edu.cn/,此网站数据不再更新。
关闭