文献类型：期刊文章

作　　者：崔建明[1] 刘建明[2] 廖周宇[2]

机构地区：[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

出　　处：《计算机仿真》

年　　份：2013

卷　　号：30

期　　号：2

起止页码：299-302

语　　种：中文

收录情况：BDHX、BDHX2011、CSCD、CSCD_E2013_2014、ZGKJHX、核心刊

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  

分 类 号：TP391.9]