节点文献

基于改进KPCA与SVM的题名分类研究

免费订阅

【作者】 聂黎生

【Author】 NIE Lisheng;School of Computer Science and Technology,Jiangsu Normal University;

【机构】 江苏师范大学计算机科学与技术学院

【摘要】 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。

【基金】 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)~~
【所属期刊栏目】 计算机科学与应用 (2019年16期)
  • 【DOI】10.16652/j.issn.1004-373x.2019.16.025
  • 【分类号】TP391.1;G254.1
  • 【下载频次】17
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: