已閱讀1頁，還剩66頁未讀， 繼續(xù)免費(fèi)閱讀
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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著計算機(jī)技術(shù)的發(fā)展，大量電子形式的信息飛速增長，如何有效地對這些海量的數(shù)據(jù)進(jìn)行組織和整理變得非常重要。而文本分類技術(shù)通過把文檔自動歸入一個或多個類別，可以更好地對信息進(jìn)行組織和檢索，有廣泛的應(yīng)用前景。在眾多文本分類器中，樸素貝葉斯文本分類器的運(yùn)算速度快，分類效果好，實用性非常強(qiáng)。 本文首先介紹了文本分類算法的一般過程，傳統(tǒng)的文本特征選擇算法和文本分類模型評價指標(biāo)。然后詳細(xì)介紹了樸素貝葉斯文本器，指出其不足之處。文本分類問題的輸
2、入空間維數(shù)很高，特征個數(shù)可能上萬或多達(dá)幾萬，采用適當(dāng)?shù)奶卣鬟x擇方法非常重要。傳統(tǒng)的文本分類特征選擇方法只是簡單地把很多單個分類能力強(qiáng)的特征選出來，然后組合在一起作為特征子集，沒有考慮特征之間的交互效應(yīng)，影響了樸素貝葉斯文本分類器分類準(zhǔn)確度。 本文的主要創(chuàng)新之處是提出了新的特征選擇算法BFS（Balanced Forward Selection），在相同時間復(fù)雜度的情況下，改善了傳統(tǒng)特征選擇算法會有偏向選擇特征的問題，提高了BIM
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(hù)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(fù)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(zhǔn)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
- 特征選擇與貝葉斯文本分類方法的研究.pdf
- 貝葉斯文本分類器的研究與改進(jìn).pdf
- 云計算環(huán)境下的樸素貝葉斯文本分類研究與實現(xiàn).pdf
- 數(shù)據(jù)挖掘系統(tǒng)及其應(yīng)用研究—用關(guān)聯(lián)特征提高樸素貝葉斯文本分類器的性能.pdf
- 文本分類中的貝葉斯特征選擇.pdf
- 基于樸素貝葉斯方法的中文文本分類研究.pdf
- 選擇性加權(quán)樸素貝葉斯分類方法的探討.pdf
- 基于樸素貝葉斯技術(shù)的藏文文本分類
- 基于樸素貝葉斯的高血壓文本分類的研究.pdf
- 基于無監(jiān)督聚類和樸素貝葉斯分類的文本分類方法研究.pdf
- 基于Spark的貝葉斯文本分類算法研究與實現(xiàn).pdf
- MapReduce框架下的貝葉斯文本分類學(xué)習(xí)研究.pdf
- 文本分類特征選擇與分類算法的改進(jìn).pdf
- 樸素貝葉斯分類改進(jìn)算法的研究.pdf
- 樸素貝葉斯分類模型的改進(jìn)研究.pdf
- 文本分類特征選擇方法研究.pdf
- 關(guān)于樸素貝葉斯分類算法的改進(jìn).pdf
- 文本分類的特征選擇和分類方法研究.pdf
- 基于改進(jìn)樸素貝葉斯的蛋白質(zhì)提純方法選擇.pdf
- 文本分類中特征選擇方法研究.pdf
評論
0/150
提交評論