[1]刘 平,叶施仁,杨长春,等.基于PSO-SVM算法的长微博贴图识别方法[J].常州大学学报(自然科学版),2013,(04):44-47.[doi:10.3969/j.issn.2095-0411.2013.04.009]
　LIU Ping,YE Shi ren,YANG Chang chun,et al.Identifying Images Representing Long Microblog Based on PSO-SVM Algorithm[J].Journal of Changzhou University(Natural Science Edition),2013,(04):44-47.[doi:10.3969/j.issn.2095-0411.2013.04.009]
点击复制

基于PSO-SVM算法的长微博贴图识别方法()
分享到：

常州大学学报(自然科学版)[ISSN:2095-0411/CN:32-1822/N]

卷:
期数:
2013年04期
页码:
44-47
栏目:
计算机与信息工程
出版日期:
2013-09-30

文章信息/Info

Title:
Identifying Images Representing Long Microblog Based on PSO-SVM Algorithm
作者:
刘 平; 叶施仁; 杨长春; 侯振杰; 肖 飞
常州大学 信息科学与工程学院,江苏 常州 213164
Author(s):
LIU Ping; YE Shi ren; YANG Chang chun; HOU Zhen jie; XIAO Fei
School of Information Science and Engineering,Changzhou University,Changzhou 213164,China
关键词:
长微博贴图;  支持向量机;  粒子群优化算法;  最佳分类模型
Keywords:
images representing long microblog;  support vector machine;  particle swarm optimization;  best classification model
分类号:
TP 391
DOI:
10.3969/j.issn.2095-0411.2013.04.009
文献标志码:
A
摘要:
微博由于字数的限制,当用户需要发较多内容时通常以附图的形式给出,识别包含文本内容贴图的长微博能够为微博研究提供更多有用的数据。在支持向量机(SVM)的基础上结合粒子群算法(PSO)提出了一种识别长微博贴图的PSOSVM算法。该方法提取长微博贴图的颜色矩和灰度共生矩阵特征,然后利用PSO算法对SVM模型中的误差惩罚参数和核函数进行优化得到最佳分类模型,其最优参数将被用作长微博贴图和非长微博贴图进行分类。实验表明,与传统的基于网格搜索法优化的SVM算法相比,PSOSVM算法对长微博贴图识别具有更高的准确率
Abstract:
Due to the length limitation of micro-blogs,users have topost images containing original text contents when they want to post long micro-blogs.If such images representing long micro-blog can be identified,it will provide more useful information for micro-

参考文献/References:

[1]谢菲.图像纹理特征的提取和图像分类系统研究及实现[D].成都:电子科技大学,2009.
[2]Cortes C,Vapnik V.Support-vector networks[J].Machine Learning,1995,20(3):273-297.
[3]Cristianini N,Shawe Taylor J.An Introduction to Support Vector Machines andOther Kernel Based Learning Methods[M].London:Cambridge University Press,2000.
[4]高锦.基于SVM的图像分类[D].西安:西北大学,2010.
[5]胡旺,李志蜀.一种更简化而有效的粒子群优化算法[J].软件学报,2007,18(4):860-868.
[6]付燕,聂亚娜,靳玉萍,等.PSOSVM算法在肝脏B超图像识别中的应用[J].计算机测量与控制,2012,20(9):2491-2500.
[7]Osuna E,Freund R,Girosi F.Training support vector machines:An application to face detection[C]∥Proceedings of CVPR'97 Puerto Rico.San Juan:IEEE Computer Society,1997.
[8]翟俊海,赵文秀,王熙照.图像特征提取研究[J].河北大学学报:自然科学版,2009,29(1):106-112.
[9]汤海缨,庄天戈.计算机色彩模型在图像显示与分割中的应用[J].计算机学报,1999,22(41):375-382.
[10]苑丽红,付丽,杨勇,等.灰度共生矩阵提取纹理特征的实验结果分析[J].计算机应用,2009,29(4):1018-1021.

相似文献/References:

[1]庄玮,段锁林,徐亭婷,等.基于SVM的4类运动想象的脑电信号分类方法[J].常州大学学报(自然科学版),2014,(01):42.[doi:10.3969/j.issn.2095-0411.2014.01.010]
　ZHUANG Wei,DUAN Suo-lin,XU Ting-ting.Research on Classification Method Based on SVM for the FourClass Motor Imagery EEG[J].Journal of Changzhou University(Natural Science Edition),2014,(04):42.[doi:10.3969/j.issn.2095-0411.2014.01.010]
[2]冯琳琳,张兆志,王新颖,等.取代芳烃对发光菌急性毒性的QSAR研究[J].常州大学学报(自然科学版),2012,(04):8.
　FENG Lin-lin,ZHANG Zhao-zhi,WANG Xin-ying,et al.QSAR Study on Acute Toxicity of Substituted Aromatic Compounds to Photobacterium Phosphoreum[J].Journal of Changzhou University(Natural Science Edition),2012,(04):8.
[3]戴 静,严云洋,范 勇,等.基于BEMD和SVM的火焰检测算法[J].常州大学学报(自然科学版),2017,(02):71.[doi:10.3969/j.issn.2095-0411.2017.02.013]
　DAI Jing,YAN Yunyang,FAN Yong,et al.Fire Detection Based on Bidimensional Empirical Mode Decomposition and Support Vector Machine[J].Journal of Changzhou University(Natural Science Edition),2017,(04):71.[doi:10.3969/j.issn.2095-0411.2017.02.013]
[4]马旭,刘应安,业宁,等.基于核PCA与SVM算法的木材缺陷识别[J].常州大学学报(自然科学版),2017,(03):60.[doi:10.3969/j.issn.2095-0411.2017.03.009]
　MA Xu,LIU Yingan,YE Ning,et al.Application of KPCA and SVM to Wood Defect Recognition[J].Journal of Changzhou University(Natural Science Edition),2017,(04):60.[doi:10.3969/j.issn.2095-0411.2017.03.009]

备注/Memo

备注/Memo:
基金项目:国家自然科学基金项目资助(61272367); 江苏省科技厅项目资助(BZ2010021) 作者简介:刘平(1989-),男,江苏扬州人,硕士生; 通讯联系人:叶施仁。
更新日期/Last Update: 2013-09-30