10.3969/j.issn.1001-4616.2022.01.019
基于差分进化的卷积神经网络的文本分类研究
为了提高文本分类的性能,采用差分进化的卷积神经网络(convolutional neural network,CNN)算法进行分类.首先随机设置CNN结构参数,然后采用差分进化算法优化参数,通过交叉和选择等操作选择不断进化获得最优个体,为增强差分优化的适用性,将缩放因子变化与进化代数相关联,解决了因为缩放因子设置不合理而造成优化等级不高的问题.卷积神经网络采用经过差分优化后的权重和阈值对文本进行分类训练,以获得稳定的文本分类结果.实验证明,通过合理设置差分进化交叉速率和卷积神经网络的卷积核尺寸,能够获得较好的分类准确率性能,RMSE值更低,在文本分类中的适用度高.
分类;差分进化;卷积神经网络;缩放因子;卷积核
45
TP391.1(计算技术、计算机技术)
国家自然科学基金;广东省高校科研项目
2022-03-18（万方平台首次上网日期，不代表论文的发表时间）
共6页
136-141
