- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于svm算法的文本分类技术研究
第30卷第2期 计算机仿真 2013年2月
文章编号:1006—9348(2013)02—0299一04
基于SVM算法的文本分类技术研究
崔建明1,刘建明2,廖周宇2
(1.桂林理工大学现代教育与技术中心,广西桂林541004;
2.桂林理工大学信息科学与工程学院,广西桂林541004)
摘要:在优化分类技术的研究中,文本特征化后通常具有高维性和不平衡性的特点,导致传统的分类算法准确率不高的问
题。针对文本分类器的性能容易受到核函数和参数的影响的问题,为提高文本分类器的准确性。采用支持向量机(SVM)
的理论在文本分类技术同时将根据优化的粒子群算法(PSO)引入SVM分类算法中进行优化文本分类器的参数,将分类器
的准确率作为PSO算法适应度函数通过粒子移动操作找出最佳参数并用SVM算法进行分类。在文本数据集上的仿真结果
表明,与传统的算法相比,经PSO算法优化后的SVM文本分类器的准确性更高,PSO算法是一种有效的优化方法,能广泛应
用于文本分类问题。
关键词:支持向量机;文本分类;算法
中图分类号:TP391.9文献标识码:A
Machine
ResearchofText Basedon Vector
CategorizationSupport
CUI
Jian—min91,LIUJian—min92,LIAOZhou—yu2
ofModemEducationand of
(1.Center Technology,GuilinUniversityTechnology;
2.Schoolor ofInformationscienceand of
CoHege engineering,GuilinUniversityTechnology,
Guilin 541004,China)
Guangxi
has of dimensionaland causes
characterizationthecharacteristics
ABSTRACT:Text usually high unbalanced,which
classification isnot oftext isvul-
the thattraditional algorithmaccuracyhigh,theperformancecategorization
pmbems
nerabletotheinfluenceofkernelfunctionand orderto the ofthetext
parameters.Inimproveaccuracy classifier,this
articleusedthe vector to thetextclassification the of
supportmachinq(SVM)theorystudy technology,and
文档评论(0)