基于粗糙集和最小二乘支持向量机的文本分类方法

文本分类是数据挖掘和知识发现的关键,机器学习已经成功的应用于文本分类.但是,高维度的特征向量影响了分类速度,且特征的选择影响了分类精度.本文提出一种粗糙集和最小二乘支持向量机相结合的文本分类方法,使用粗糙集对特征向量进行降维,使用最小二乘支持向量机进行特征选择并分类.实验结果表明,基于粗糙集和最小二乘支持向量机的分类方法较传统的KNN、决策树、标准SVM等方法更加有效.