基于非线性流形学习和支持向量机的文本分类算法

摘要：

为解决文本自动分类问题,提出一种流形学习和支持向量机相结合的文本分类算法(LLE-LSSVM).LLE-LSSVM算法利用非线性流形学习算法LEE对高维文本特征进行非线性降维,挖掘出特征内在规律与本征信息,从而得到低维特征空间,然后将其输入到LSSVM中进行学习,同时利用混沌粒子群算法对LSSVM参数进行优化,建立文本分类模型.仿真实验结果表明,LLE-LSSVM算法提高了文本分类准确率,减少了分类运行时间,是一种有效的文本分类算法.

关键词：文本分类、支持向量机、流形学习、遗传算法

所属期刊栏目：39

分类号：TP311;TP301(计算技术、计算机技术)

资助基金：河南省科学技术厅科技攻关科学项目112102210199;河南省科学技术厅基础与前沿研究项目112300410201

在线出版日期：2012-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：261-263