| 基于FOA-SVM的中文文本分类方法研究 |
| |
| 引用本文： | 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(4):759-763. |
| |
| 作者姓名： | 王岩 张波 薛博 |
| |
| 作者单位： | 天津商业大学,天津商业大学, |
| |
| 基金项目： | 河北省教育厅指导项目 (Z2014149) |
| |
| 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.
|
| 关 键 词： | 中文文本分类 支持向量机 果蝇优化算法 参数优化 |
| 收稿时间： | 2015/12/28 0:00:00 |
| 修稿时间： | 2016/3/19 0:00:00 |
Research on Chinese classification based on FOA-SVM |
| |
| WANG Yan,ZHANG Bo and XUE Bo.Research on Chinese classification based on FOA-SVM[J].Journal of Sichuan University (Natural Science Edition),2016,53(4):759-763. |
| |
| Authors: | WANG Yan ZHANG Bo and XUE Bo |
| |
| Institution: | the university of commerce, |
| |
| 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. |
| |
| Keywords: | Chinese classification SVM Fruit fly optimization algorithm Parameter optimization |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《四川大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《四川大学学报(自然科学版)》下载免费的PDF全文 |
