基于K-鄰近和樸素貝葉斯的文本分類系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf_第1頁
已閱讀1頁,還剩59頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著信息技術(shù)的發(fā)展,互聯(lián)網(wǎng)已成為人們獲取信息的主要途徑,如何快速的在眾多信息資源中找到自己需要的信息,成為當(dāng)前一個(gè)亟待解決的問題?;ヂ?lián)網(wǎng)上的信息大部分是文本數(shù)據(jù),而文本自動(dòng)分類可以有效的組織和管理文本數(shù)據(jù),因此具有重要的研究意義和應(yīng)用價(jià)值。
  本文詳細(xì)分析了中文文本分類的主要過程,包括文本預(yù)處理、文本表示、特征選擇、分類器構(gòu)建和分類器性能評(píng)估。在文本表示方面,本文重點(diǎn)介紹了向量空間模型,在特征選擇方面,本文給出了互信息、信息增益

2、、?2統(tǒng)計(jì)量等常用的特征選擇方法,分類算法是分類系統(tǒng)的核心,本文介紹了決策樹算法、K-鄰近分類算法、樸素貝葉斯分類算法和支持向量機(jī)分類算法。
  本文重點(diǎn)分析了K-鄰近分類算法和樸素貝葉斯算法,并使用C++實(shí)現(xiàn)了基于K-鄰近分類算法的分類器、基于多重伯努利模型的分類器和基于多項(xiàng)式模型的分類器。對(duì)于K-鄰近分類器,本文討論了如何確定K值,如何根據(jù)最近的K個(gè)文檔決定測(cè)試文檔類別等相關(guān)問題。對(duì)于樸素貝葉斯分類算法,本文引入了平滑技術(shù),防

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(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)頁內(nèi)容里面會(huì)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(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。

評(píng)論

0/150

提交評(píng)論