基于改进QPSO和RBF神经网络的文本分类方法①.PDF

计 算 机 系 统 应 用 2016 年 第 25 卷 第 7 期 基于改进QPSO 和RBF 神经网络的文本分类方法① 1 2 李滨旭 , 姚姜虹 1(东北石油大学 计算机与信息技术学院, 大庆 163318) 2(大庆市油田信息技术公司物联网分公司, 大庆 163318) 摘 要: 为提高文本分类的准确性, 本文提出了一种基于量子 PSO 和 RBF 神经网络的新的文本分类方法. 首先 建立描述样本类别的关键词集合, 并采用模糊向量空间模型建立每类样本的特征向量, 然后采用 RBF 神经网络 实施文本自动分类, 采用改进的量子PSO 优化RBF 神经网络的参数, 以提高其逼近能力. 选取中国期刊网的部分 文献作为实验数据, 实验结果说明本文所提出方法的分类精准度与其他同类方法相比有明显的提高. 关键词: 文本分类; 量子 PSO; RBF 神经网络; 算法设计 Document Classification Based on Improved QPSO and RBF Neural Networks 1 2 LI Bin-Xu , YAO Jiang-Hong 1(School of Computer and Information Technology, Northeast Petroleum University, Daqing 163318,China) 2(Daqing Petroleum Information Technology IoT Branch Company, Daqing 163318, China) Abstract: To enhance the accuracy of the text classification, a new method based on quantum PSO and RBF neural network is proposed. Firstly, it establishes the key words set to describe the classification of the samples, and uses fuzzy vector space model to build the feature vectors of every kind of sample, then automatically classifies the texts by RBF neural network, optimizes the parameters of RBF neural network by improved quantum PSO to enhance its approximation capability. The new method is proved by the classification of some documents in China periodical document database. The experiment shows that this method makes significant improvements in classification accuracy compared to other methods. Key words: text classification; quantum PSO; RBF neural network; algorithm design 1 引言 RBF 神经网络是一种局部逼近的神经网络, 其优化过 文本分类自提出以来得到了广泛的关注, 经过了 程可看作在高维空间中的曲面拟合问题, 被广泛应用 不断的发展 [1] 于函数曲线逼近和模式分类问题[4] , 已成为管理文本数据的一