基于多分类器融合的防震减灾知识文本分类研究

作者：李晓丽,马龙龙

摘要：防震减灾科普知识文本包括地震监测预报、震害防御和紧急救援等方面的内容。在目前的防震减灾科普知识的宣传应用中,需要人工进行文本类别的选择,面对海量的科普知识文本,人工分类费时费力,自动文本分类是必要选择。针对科普知识文本进行研究,提出了基于多分类器融合的科普知识文本分类方法,通过D-S证据理论融合支持向量机、径向基RBF神经网络和贝叶斯网络三种分类模型获取最终的分类效果。结果表明,通过多分类器融合的分类方法提高了防震减灾科普知识文本分类的性能,其结果明显优于单个分类器。

发文机构：防灾科技学院应急管理学院 中科院软件研究所

关键词：文本分类多分类器融合防震减灾多数投票法Text classificationMmultiple classifier fusionEarthquake disaster reductionMajority voting

分类号： P315-39[天文地球—地震学]