基于粗糙集和BP神经网络的文本分类研究

摘要：

研究文本分类、提高文本检索效率问题,针对文本特征维数过高导致神经网络收敛速度慢、文本分类精度低的难题,结合粗糙集的属性约简和神经网络的文本分类优点,提出了一种粗糙集(RS)结合BP神经网络的文本自动分类算法(RS-BPNN).RS-BPNN首先应用粗糙集理论的属性约简对文本特征预处理,降低向量维数,然后把冗余的属性从决策表中删去,最后利用神经网络进行分类.并在MATLAB环境中进行了仿真实验,仿真结果表明,RS-BPNN方法的识别精度比传统的BP神经网络高4%左右,提高了文本分类的精度和检索效率.

关键词：粗糙集、神经网络、文本分类、约简

所属期刊栏目：28

分类号：TP183(自动化基础理论)

在线出版日期：2011-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：219-222,283