基于svm算法的文本分类技术研究.pdf

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