论文部分内容阅读
自动文本分类是数据挖掘和知识发现的关键一步。标准的机器学习技术（如SVM等）已经成功地应用于文本分类。但是,高维度的特征向量影响了分类速度和核函数的设置以及特征的选择则影响了分类的精度。本文提出了降低特征向量的维度和优化SVM参数来提高SVM分类的精度和速度。为了提高分类的速度和精度,本文提出了使用粗糙集对特征向量进行降维,使用遗传算法对特征选择和SVM参数进行优化。实验表明基于粗糙集和遗传算法的SVM分类方法比传统的k-NN和决策树方法更有效率。