兩類仿生學(xué)算法在文本分類中的應(yīng)用研究.pdf

1、隨著信息技術(shù)的發(fā)展，用戶獲取到的信息量不斷地增加，其中大部分是文本類型的數(shù)據(jù)，一種高效地管理并有效地利用這些無序數(shù)據(jù)的技術(shù)-文本挖掘技術(shù)在這幾十年來逐漸地成為一個(gè)熱點(diǎn)研究領(lǐng)域，文本分類是該領(lǐng)域中的一個(gè)重要研究方向。自從90年代以來，文本分類技術(shù)中開始引入統(tǒng)計(jì)方法和機(jī)器學(xué)習(xí)方法，以前的基于知識(shí)工程的文本自動(dòng)分類方法逐漸地被取代了，同時(shí)也涌現(xiàn)出一大批對(duì)文本分類中各關(guān)鍵技術(shù)進(jìn)行深入細(xì)致研究的文獻(xiàn)，這些研究主要包括在文本預(yù)處理、特征選擇、文本表

2、示模型、分類方法和分類性能評(píng)價(jià)等方面。在面對(duì)互聯(lián)網(wǎng)發(fā)展帶來的海量數(shù)據(jù)處理的問題時(shí)，各種文本處理方法都表現(xiàn)出一定的困難。如數(shù)據(jù)量大、建立的向量空間模型的特征項(xiàng)的維數(shù)大、預(yù)處理和計(jì)算時(shí)間長、數(shù)據(jù)集中噪聲多和分類算法的精度低等問題。本文對(duì)文本分類中特征選擇方法和分類算法進(jìn)行了研究。
　　 佳點(diǎn)集遺傳算法是利用數(shù)論中佳點(diǎn)集的理論對(duì)遺傳算法中的交叉算子重新設(shè)計(jì)，以導(dǎo)向以高適應(yīng)度模式為祖先的“家族”方向的隨機(jī)搜索算法，與遺傳算法相比，算法的

3、精度和速度有所提高，避免了早期收斂現(xiàn)象。覆蓋算法從幾何的角度出發(fā)，把輸入的樣本向量映射到高維的空間球面上，并通過訓(xùn)練以盡可能少的領(lǐng)域覆蓋各個(gè)類別形成分類網(wǎng)絡(luò)模型。粒子群算法是一種模擬鳥群遷徙的進(jìn)化算法，類似于遺傳算法，從隨機(jī)的初始解開始迭代搜索最優(yōu)解，也用適應(yīng)度來評(píng)價(jià)解的品質(zhì)，但在迭代過程中沒有交叉和變異這兩個(gè)操作，是一種容易實(shí)現(xiàn)，精度高，收斂速度快的算法。
　　 本文結(jié)合佳點(diǎn)集遺傳算法在高適應(yīng)度模式的祖先上搜索更好樣本的原則和