您的位置: 专家智库 > >

廖周宇

作品数:2 被引量:87H指数:2
供职机构:桂林理工大学信息科学与工程学院更多>>
发文基金:广西科技计划项目广西教育厅科研项目国家自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇支持向量
  • 2篇支持向量机
  • 2篇向量
  • 2篇向量机
  • 1篇遗传算法
  • 1篇云计算
  • 1篇云计算环境
  • 1篇数据分类
  • 1篇文本分类
  • 1篇计算环境
  • 1篇SVM
  • 1篇SVM算法

机构

  • 2篇桂林理工大学

作者

  • 2篇廖周宇
  • 2篇刘建明
  • 1篇谢晓兰
  • 1篇崔建明

传媒

  • 1篇计算机仿真
  • 1篇桂林理工大学...

年份

  • 2篇2013
2 条 记 录,以下是 1-2
排序方式:
云计算环境下基于SVM的数据分类被引量:6
2013年
为了提高数据的分类效率和准确度,利用云计算提供的弹性集群平台来解决计算力伸缩性瓶颈,并用MapReduce编程模型对SVM进行Map和Reduce并行化处理,并将基于优化理论的遗传算法(GA)引入SVM分类算法中对分类器参数进行优化,以分类器的准确率作为GA算法适应度函数,找出全局最优的模型参数和核函数参数值。经开源云计算平台Hadoop实验验证,数据分类的准确度有了明显的提高,整个分类过程的加速度几近呈线性增加。
廖周宇谢晓兰刘建明
关键词:支持向量机遗传算法数据分类
基于SVM算法的文本分类技术研究被引量:81
2013年
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。
崔建明刘建明廖周宇
关键词:支持向量机文本分类
共1页<1>
聚类工具0