版權(quán)說明: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),請進行舉報或認領(lǐng)
文檔簡介
1、本文首先對文本分類的發(fā)展現(xiàn)狀及存在問題進行了系統(tǒng)性闡述,按文本分類的流程對文本分類相關(guān)技術(shù)進行了介紹和探討,重點分析和研究了文本表示、特征選擇技術(shù)以及文本分類算法等文本分類關(guān)鍵技術(shù)。 本文較為系統(tǒng)地總結(jié)和研究了粗糙集和支持向量機的基本原理。并分別就屬性約簡算法、支持向量機訓(xùn)練和分類算法等問題加以討論。 為了更好地提高文本分類準確率,降低支持向量機分類算法的運行時間,針對文本經(jīng)過預(yù)處理和文本表示后高維稀疏性的特點,本文在研
2、究和分析了一些粗糙集屬性約簡算法及其存在的問題的基礎(chǔ)上,提出了一種改進的基于屬性重要度函數(shù)的屬性約筒算法,并將該算法和相關(guān)已有算法進行了對比分析,從理論上證明了該改進算法的有效性,算法的時間復(fù)雜性優(yōu)于同類算法。 結(jié)合粗糙集和支持向量機的各自優(yōu)點,提出了基于粗糙集與支持向量機相結(jié)合的文本分類方法,在對文本進行特征選擇后,利用改進后的粗糙集屬性約簡算法,對特征選擇后的特征向量空間進行約簡,進一步降低特征向量空間的維數(shù),減少冗余屬性對
3、分類效果的影響,縮短支持向量機的訓(xùn)練時間,并據(jù)此設(shè)計和實現(xiàn)了一個結(jié)合粗糙集理論和支持向量機技術(shù)的文本分類實驗系統(tǒng),對比了降維前后分類效果,探討了懲罰因子C的選擇對分類結(jié)果的影響。實驗結(jié)果表明,在文本特征向量空間的維數(shù)大于2500維情況下,采用粗糙集和支持向量機相結(jié)合的文本分類方法取得了較好的分類效果。從而從實踐上證明了本文提出的改進約簡算法在高維情況下是有效的。 最后,對本文取得的成果以及不足進行了總結(jié),并對下一步的研究工作進行
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于粗糙集與支持向量機的Web文本分類.pdf
- 基于粗糙集理論的文本分類方法研究.pdf
- 基于粗糙集和支持向量機的多值分類算法.pdf
- 基于粗糙集的多標記文本分類方法研究.pdf
- 基于粗糙集和最大熵融合的文本分類方法研究.pdf
- 基于粗糙集理論的文本分類研究.pdf
- 基于粗糙集的文本分類算法研究.pdf
- 基于模糊粗糙集的Web文本分類研究.pdf
- 基于粗糙集的文本分類技術(shù)研究.pdf
- 基于模糊—粗糙集的文本分類模型.pdf
- 基于粗糙集和支持向量機的故障診斷方法研究.pdf
- 基于變精度粗糙集的文本分類研究.pdf
- 基于支持向量機的文本分類研究.pdf
- 基于粗糙集的Web文本分類技術(shù)研究.pdf
- 基于粗糙集和支持向量機的表面肌電特征約簡和分類研究.pdf
- 基于粗糙集和支持向量機的智能故障診斷方法研究.pdf
- 基于粗糙集和支持向量機的人臉識別.pdf
- 基于粗糙集和支持向量機的網(wǎng)絡(luò)入侵檢測研究.pdf
- 基于支持向量機的Web文本分類研究.pdf
- 基于支持向量機的文本分類問題研究.pdf
評論
0/150
提交評論