版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、該文重點(diǎn)研究了基于間隔最大化原理的自動(dòng)文本分類(lèi)技術(shù),以最新的機(jī)器學(xué)習(xí)理論成果為基礎(chǔ),提出并解決了與自動(dòng)文本分類(lèi)相關(guān)的多個(gè)重要理論與實(shí)踐問(wèn)題,發(fā)展與豐富了多項(xiàng)信息檢索的關(guān)鍵應(yīng)用技術(shù).本文的創(chuàng)新性研究工作主要有以下幾個(gè)方面:1.該文提出了兩個(gè)文本分類(lèi)的理論模型,從文本集合"被分類(lèi)能力"這個(gè)嶄新的角度揭示了自動(dòng)文本分類(lèi)的機(jī)器學(xué)習(xí)本質(zhì),同時(shí)也從理論上進(jìn)一步解釋了支持向量機(jī)技術(shù)在自動(dòng)文本分類(lèi)中能夠取得成功的根本原因.標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果充分
2、驗(yàn)證了這些結(jié)論.2.在已經(jīng)得到的文本分類(lèi)理論模型的基礎(chǔ)上,該文提出了實(shí)現(xiàn)啟發(fā)式模型選擇的HMSAD算法.最初的支持向量機(jī)用于兩類(lèi)分類(lèi)問(wèn)題,在組合多個(gè)原始支持向量機(jī)的基礎(chǔ)上,已經(jīng)提出了多種多類(lèi)分類(lèi)器架構(gòu).但是目前在大規(guī)模多類(lèi)自動(dòng)文本分類(lèi)研究中,尚未提出有效的模型選擇方法,使得支持向量機(jī)的應(yīng)用受到一定限制.本文在DAGSVM多類(lèi)分類(lèi)器架構(gòu)的基礎(chǔ)上,利用DAGSVM泛化能力的一些相關(guān)理論成果,結(jié)合前面部分得到的基于間隔最大化的文本分類(lèi)模型,以
3、ADM-FSM模型為例,提出了在DDAG中進(jìn)行啟發(fā)式模型選擇的指示函數(shù),并給出了基于DAGSVM的HMSAD算法.并且就該算法的性能與常規(guī)的1-v-r支持向量機(jī)、1-v-1的DAGSVM進(jìn)行了比較、分析,相關(guān)的理論分析結(jié)果表明,HMSAD算法相對(duì)于傳統(tǒng)算法具有突出的性能優(yōu)勢(shì).3.該文首次解決了支持向量機(jī)跨距界的計(jì)算問(wèn)題,提出了支持向量機(jī)的Alpha-SV界,并給出了相關(guān)的信息檢索性能估算子.目前提出的各種分類(lèi)器性能估計(jì)方法中,精度高的方
4、法普遍效率比較低下,而計(jì)算代價(jià)較小的方法又往往存在精度不夠理想、估計(jì)的魯棒性能不佳等一些缺點(diǎn).針對(duì)這個(gè)問(wèn)題,重點(diǎn)研究了支持向量機(jī)的LOO跨距界,首次給出計(jì)算支持向量跨距的實(shí)用方法,進(jìn)而提出了一種新的支持向量機(jī)LOO界——Alpha-SV界,這個(gè)界源于跨距界,具有嚴(yán)密的理論基礎(chǔ),同時(shí)又避免了遍歷支持向量集合進(jìn)行多個(gè)二次規(guī)劃求解,大大降低了計(jì)算代價(jià),從而得到了一種全新的效率高、性能好的支持向量機(jī)分類(lèi)性能估計(jì)方法.更進(jìn)一步,從應(yīng)用自動(dòng)文本分類(lèi)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于機(jī)器學(xué)習(xí)的文本分類(lèi)研究.pdf
- 基于機(jī)器學(xué)習(xí)的文本分類(lèi)算法研究.pdf
- 基于機(jī)器學(xué)習(xí)算法的文本分類(lèi)系統(tǒng).pdf
- 基于機(jī)器學(xué)習(xí)的大規(guī)模文本分類(lèi).pdf
- 基于機(jī)器學(xué)習(xí)的中文文本分類(lèi)方法研究
- 基于機(jī)器學(xué)習(xí)的中文文本分類(lèi)方法研究.pdf
- 基于機(jī)器學(xué)習(xí)的文本分類(lèi)算法研究與應(yīng)用.pdf
- 基于機(jī)器學(xué)習(xí)的中文文本分類(lèi)算法研究.pdf
- 基于機(jī)器學(xué)習(xí)的文本分類(lèi)器系統(tǒng)設(shè)計(jì).pdf
- 基于信任機(jī)器的文本分類(lèi)研究.pdf
- 基于改進(jìn)TANC的機(jī)器學(xué)習(xí)文本分類(lèi)方法研究.pdf
- 基于深度學(xué)習(xí)的文本分類(lèi)研究.pdf
- 基于機(jī)器學(xué)習(xí)的漢語(yǔ)短文本分類(lèi)方法研究與實(shí)現(xiàn).pdf
- 基于距離度量學(xué)習(xí)的文本分類(lèi)研究.pdf
- 自動(dòng)文本分類(lèi)算法研究.pdf
- 基于SVM主動(dòng)學(xué)習(xí)的文本分類(lèi).pdf
- 基于Hadoop自動(dòng)文本分類(lèi)的研究與實(shí)現(xiàn).pdf
- 基于機(jī)器學(xué)習(xí)的中文文本自動(dòng)分類(lèi)的研究和應(yīng)用.pdf
- 基于半監(jiān)督學(xué)習(xí)的文本分類(lèi)研究
- 基于流形學(xué)習(xí)的文本分類(lèi)方法研究.pdf
評(píng)論
0/150
提交評(píng)論