现代电子技术

2019, v.42;No.543(16) 108-111

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于改进KPCA与SVM的题名分类研究
Research on title classification based on improved KPCA and SVM

聂黎生;

摘要(Abstract):

为了进一步提高期刊论文题名信息分类查准率和查全率,提出一种基于改进KPCA与SVM的知网题名信息分类算法。基于中国知网数据库选取《中文核心期刊要目总览》(2014年版)2017年度31种计算机学科(TP)期刊收录的13 401篇论文题名作为实验语料库,采用改进KPCA算法对数据进行降维和特征提取,将提取的特征数据库作为SVM的输入进行训练和分类。实验结果表明,该方法较以往分类算法能够进一步提高期刊论文题名的分类效果。

关键词(KeyWords): 题名分类;核主成分分析;数据降维;特征提取;数据挖掘;模式识别

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(21776119);; 江苏省高校自然科学研究项目(16KJB510009);; 江苏师范大学科研基金项目(15XLB01)~~

作者(Author): 聂黎生;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享