【出 处】：《 计算机仿真 》 CSCD 2011年第28卷第1期 222-225页,共4页

【作 者】： 宋淑彩 ; 庞慧 ; 丁学钧

【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。