计算机工程与设计
計算機工程與設計
계산궤공정여설계
Computer Engineering and Design
2015年
9期
2412-2415,2431
,共5页
文本分类%差分演化优化极端学习机%极端学习机%TF-IDF%分类器
文本分類%差分縯化優化極耑學習機%極耑學習機%TF-IDF%分類器
문본분류%차분연화우화겁단학습궤%겁단학습궤%TF-IDF%분류기
text classification%DE-ELM%extreme learning machine%TF-IDF%classifier
为解决传统林业信息文本分类算法准确率低和正确率分布不均匀的问题,提出基于差分演化优化极端学习机的林业信息文本分类算法.使用TF-IDF方法计算林业信息文本特征值,对构造的林业信息文本特征矩阵降维,结合差分演化算法对极端学习机算法进行优化,构造分类器进行精准快速的分类.实验结果表明,该算法能有效克服极端学习算法的缺点,具有较好的局部与全局收敛能力,相较BP、SVM算法,该算法有一定竞争力,为林业信息文本的分类研究提供了参考.
為解決傳統林業信息文本分類算法準確率低和正確率分佈不均勻的問題,提齣基于差分縯化優化極耑學習機的林業信息文本分類算法.使用TF-IDF方法計算林業信息文本特徵值,對構造的林業信息文本特徵矩陣降維,結閤差分縯化算法對極耑學習機算法進行優化,構造分類器進行精準快速的分類.實驗結果錶明,該算法能有效剋服極耑學習算法的缺點,具有較好的跼部與全跼收斂能力,相較BP、SVM算法,該算法有一定競爭力,為林業信息文本的分類研究提供瞭參攷.
위해결전통임업신식문본분류산법준학솔저화정학솔분포불균균적문제,제출기우차분연화우화겁단학습궤적임업신식문본분류산법.사용TF-IDF방법계산임업신식문본특정치,대구조적임업신식문본특정구진강유,결합차분연화산법대겁단학습궤산법진행우화,구조분류기진행정준쾌속적분류.실험결과표명,해산법능유효극복겁단학습산법적결점,구유교호적국부여전국수렴능력,상교BP、SVM산법,해산법유일정경쟁력,위임업신식문본적분류연구제공료삼고.