已閱讀1頁，還剩78頁未讀， 繼續(xù)免費閱讀
版權說明：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，請進行舉報或認領
文檔簡介
1、隨著Internet和信息技術的快速發(fā)展,大量的半結構化和非結構化信息量的急劇增加,如何在最短的時間內(nèi)獲取自己所需要的信息已成為當前我們迫切需要解決的問題。目前,專利技術已成為國家或地區(qū)間競爭力的核心,面對海量的專利信息,如何利用文本分類技術來對這些專利信息分類已成為大勢所趨。
首先,本文介紹了文本分類的研究現(xiàn)狀以及專利分類背景。其次,系統(tǒng)介紹了文本分類的關鍵技術和各種分類算法,以及各種分類算法在不同領域中的應用。目前,在眾多
2、分類器當中,KNN分類器相對于其他分類器分類效果較好,但是其依舊存在一些缺點,諸如分類速度慢、分類精度低下等。為了克服KNN分類算法的諸缺點,本文提出了優(yōu)化的KNN算法分類器,該分類模塊由訓練、分類以及評價三部分組成。優(yōu)化的KNN算法采用基于簇的原始空間模型對訓練集進行處理,首先將訓練集中相似的文本形成一簇,把每一簇看作是一個普通文本,計算每一簇的中心向量,再設定一個閾值,對高于該閾值的簇進行管理,并重新形成訓練集。該分類算法在盡量保存
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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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。
- 6. 下載文件中如有侵權或不適當內(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
- 基于語義中心的KNN文本分類算法研究.pdf
- 基于KNN的中文文本分類算法研究.pdf
- KNN文本分類研究.pdf
- 基于蜂群算法和改進KNN的文本分類研究.pdf
- KNN文本分類及特征加權算法研究.pdf
- 基于改進哈希算法的快速KNN文本分類方法.pdf
- 基于KNN算法的文本分類系統(tǒng)的設計與實現(xiàn).pdf
- 一種改進的KNN文本分類算法.pdf
- 基于KNN的文本分類特征選擇與分類算法的研究與改進.pdf
- 文本分類中基于概念聚合的KNN算法優(yōu)化問題研究.pdf
- 基于改進KNN的文本分類算法的設計與實現(xiàn).pdf
- 基于樣本重要性原理的KNN文本分類算法.pdf
- KNN文本分類中特征詞權重算法的研究.pdf
- 海量數(shù)據(jù)的KNN文本分類算法的MapReduce實現(xiàn)研究.pdf
- 基于聚類算法的KNN文本分類系統(tǒng)研究與實現(xiàn).pdf
- 基于改進KNN分類算法的文本分類關鍵技術研究與實現(xiàn).pdf
- 基于KNN的多要素中文文本分類研究.pdf
- KNN算法的改進及其在文本分類中的應用.pdf
- 自適應加權KNN文本分類.pdf
- 基于區(qū)域劃分的KNN文本快速分類算法研究.pdf
評論
0/150
提交評論