论文部分内容阅读
在数据挖掘文本分类研究领域中,同时基于遗传算法与基于支持向量机的多分类技术开始引起部分学者的关注,该算法体系的特色是在借鉴遗传算法的自适应寻优秀特征以构造最优二叉树结构的同时,采用支持向量机技术在高维度环境下突出的效果,自动构建二叉树节点,分类效果得到广泛认可。针对基于遗传算法(Genetic Algorithm,GA)的支持向量机(Support Vector Machine,SVM)多分类决策树算法(GA-SVM)中全局优化缺陷以及时间复杂度较高的问题,做了两方面工作,其一是通过重新定义遗传适应度函数(fitness),提出一种累计适应度(cumulative fitness),进而衍生出新算法CFGA-SVM,其二在CFGA-SVM的基础上,修改了多项式核函数的选择算子,产生新的改进的基于遗传算法的支持向量机快速多类文本分类算法BCFGA-SVM,降低了CFGA-SVM算法的时间复杂度,同时也能保证分类精度与全局寻优能力。BCFGA-SVM算法同CFGA-SVM算法思路相同,都是从根节点开始逐层构造二叉树,首先对根节点基因实值编码,通过基因分裂操作产生子代种群,然后利用累计适应度筛选出新的种群,筛选出的种群并不一定是当代局部最优,但一定是所得二叉树中全局最优,从而提高分类精度,最后以此循环直至算法结束,与CFGA-SVM算法不同的是,在计算适应度时,BCFGA-SVM采用自动选择核函数映射的方法,根据当前样本的分布情况,灵活的选取多项式核函数的参数d,避免了多余的高维向量计算,在一定程度上能缩小时间复杂度。最后利用实验结果表明:BCFGA-SVM较之传统的GA-SVM算法在全局优化能力、分类精度上有明显提高,并且在时间复杂度方面较CFGA-SVM更小,进而验证了该算法的应用可行性与性能有效性,可在高维度样本的分类应用中推广。