文献类型：期刊文章

作　　者：宋淑彩[1] 庞慧[1] 丁学钧[1]

机构地区：[1]河北建筑工程学院计算机系,河北张家口075000

出　　处：《计算机仿真》

年　　份：2011

卷　　号：28

期　　号：1

起止页码：222-225

语　　种：中文

收录情况：BDHX、BDHX2008、CSCD、CSCD_E2011_2012、ZGKJHX、核心刊

摘　　要：文本特征维数通常高达几万且特征之间存在大量冗余和不相关信息,从而导致传统的分类方法效率低、分类准确率低。为了提高文本分类的快速性和准确性,提出了一种遗传算法(GA)和支持向量机(SVM)相结合的文本分类方法。把文本特征组合看作遗传算法中一个染色体,并进行二进制编码,将支持向量机分类准确率作为遗传算法的适应度函数,对每一个个体适应度的评价,通过选择、交叉和变异的遗传操作,得到文本最优特征,最后通过支持向量机利用最优特征进行分类。对复旦大学中文文本分类库进行仿真实验,实验结果表明,相对于传统的文本分类方法,能够快速地得到最优分类特征子集,大大提高文本分类的准确率,在文本挖掘中具有较好的应用前景。

关 键 词：文本分类 遗传算法 支持向量机 特征选择  

分 类 号：TP391]