基于改进KPCA与SVM的题名分类研究
Research on title classification based on improved KPCA and SVM作者机构：江苏师范大学计算机科学与技术学院
出 版 物：《现代电子技术》 (Modern Electronics Technique)
年 卷 期：2019年第42卷第16期
页 面：108-111页
学科分类：0810[工学-信息与通信工程] 08[工学] 081001[工学-通信与信息系统] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）]
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)~~
主 题：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
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13401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。
维普期刊数据库
同方期刊数据库