【出 处】：《 计算机仿真 》 CSCD 2013年第30卷第2期 299-302页,共5页

【作 者】： 崔建明 [1] ; 刘建明 [2] ; 廖周宇 [2]

【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。