已閱讀1頁，還剩59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，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領
文檔簡介
1、隨著Internet的飛速發(fā)展，文本信息成幾何級增長。為了能在海量的文本中及時準確地獲得有效的知識和信息，文本分類技術受到了廣泛的關注。樸素貝葉斯分類是目前公認的一種簡單有效的概率分類方法，但是它不具備增量學習的功能。針對這種情況，本文提出改進的增量學習樸素貝葉斯算法。本文詳細介紹了增量學習思路與增量學習樸素貝葉斯算法，并設計了一個增量樸素貝葉斯中文分類實驗系統(tǒng)。 論文的主要內容包括如下幾個方面： 1.描述了文本分類的一
2、般過程，介紹了多種貝葉斯分類方法，對比研究分析其聯(lián)系與差別。 2.對特征選擇算法進行深入分析，提出一種結合特征項在各類別中的分布信息的改進的TFIDF特征選擇方法。實驗證明改進的方法選擇出的特征有更強的類別表達能力。 3.針對樸素貝葉斯分類不具備增量學習的缺陷，提出增量學習樸素貝葉斯算法。詳細介紹了增量學習思路，提出帶選擇性對文本進行增量學習的思想。在此基礎上提出加權樸素貝葉斯方法增量學習算法，并對算法給出了詳細證明與分
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，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容，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
- 基于樸素貝葉斯的中文網(wǎng)頁分類研究.pdf
- 加權貝葉斯增量學習中文文本分類研究.pdf
- 樸素貝葉斯分類改進算法的研究.pdf
- 基于樸素貝葉斯的中文文本情感傾向分類研究.pdf
- 樸素貝葉斯分類模型的改進研究.pdf
- 基于樸素貝葉斯方法的中文文本分類研究.pdf
- 樸素貝葉斯分類及其應用研究.pdf
- 樸素貝葉斯分類模型的研究與應用.pdf
- 樸素貝葉斯分類算法的研究與應用.pdf
- 關于樸素貝葉斯分類算法的改進.pdf
- 基于遺傳算法的樸素貝葉斯分類研究.pdf
- 基于樸素貝葉斯的中文段落情感分析.pdf
- 社交媒體大數(shù)據(jù)的樸素貝葉斯分類方法研究.pdf
- 基于粒子群優(yōu)化的加權樸素貝葉斯分類研究.pdf
- 基于粗糙集的樸素貝葉斯分類算法研究.pdf
- 基于增量式樸素貝葉斯分類方法的電梯交通模式識別方法的研究.pdf
- 貝葉斯網(wǎng)絡結構增量學習研究.pdf
- 基于樸素貝葉斯的網(wǎng)頁自動分類技術研究.pdf
- 基于正則化樸素貝葉斯的用戶分類算法的研究.pdf
- 基于樸素貝葉斯的高血壓文本分類的研究.pdf
評論
0/150
提交評論