期刊导航

论文摘要

基于FOA-SVM的中文文本分类方法研究

Research on Chinese classification based on FOA-SVM

作者:王岩(天津商业大学信息工程学院);张波(天津商业大学信息工程学院);薛博(天津商业大学信息工程学院)

Author:WANG Yan(College of Information Engineering, Tianjin University of Commerce);ZHANG Bo(College of Information Engineering, Tianjin University of Commerce);XUE Bo(College of Information Engineering, Tianjin University of Commerce)

收稿日期:2015-12-28          年卷(期)页码:2016,53(4):759-763

期刊名称:四川大学学报: 自然科学版

Journal Name:Journal of Sichuan University (Natural Science Edition)

关键字:中文文本分类;支持向量机;果蝇优化算法;参数优化

Key words:Chinese classification; SVM; Fruit fly optimization algorithm; Parameter optimization

基金项目:河北省教育厅指导项目 (Z2014149)

中文摘要

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。

英文摘要

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.

关闭

Copyright © 2020四川大学期刊社 版权所有.

地址:成都市一环路南一段24号

邮编:610065