基于RS-SVM的中文文本分類研究.pdf

1、隨著通信技術(shù)和計算機技術(shù)的飛速發(fā)展，信息處理已經(jīng)成為人們獲取信息和知識不可或缺的工具。文本分類是信息處理的重要研究方向，它是指在既定的分類體系下，根據(jù)文本的內(nèi)容自動判別文本類別的過程。 粗糙集理論是一種研究不完整、不確定知識和數(shù)據(jù)的表達、學(xué)習(xí)、歸納的理論方法。它在不影響分類精度的前提下通過信息約簡，去掉冗余信息，得到顯式的文本分類規(guī)則，簡化信息的表達空間維度。支持向量機是一種基于統(tǒng)計學(xué)習(xí)理論的方法，它遵照結(jié)構(gòu)最小化原則，在統(tǒng)計樣

2、本較少的情況下獲得良好的統(tǒng)計規(guī)律和泛化能力，為解決小樣本學(xué)習(xí)問題提供一個框架，但是由于龐大的文本特征維數(shù)，支持向量機的性能也經(jīng)常會受到限制。因此本文采用了一種粗糙集和支持向量機相結(jié)合的文本分類方法，即利用粗糙集屬性約簡減少屬性數(shù)，然后用支持向量機進行訓(xùn)練，再利用訓(xùn)練得出的分類知識對新文本進行分類，通過兩者有機的融合增強了它們在文本分類中的實用性。 本文沿著“文本分類理論→粗糙集理論→支持向量機理論→基于RS-SVM分類方法的提出