版權(quán)說(shuō)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、本文提出了基于投影尋蹤回歸的文本自動(dòng)分類算法,通過(guò)投影尋蹤回歸算法,可以真實(shí)地描述高維數(shù)據(jù)的客觀內(nèi)在規(guī)律,從而達(dá)到降低特征維數(shù),提高文本分類的精度的目的.基于投影尋蹤回歸的文本分類方法的思想是:將文本表示為向量形式,然后將此高維數(shù)據(jù)投影到低維子空間上,并尋找出最能反映原高維數(shù)據(jù)的結(jié)構(gòu)和特征的投影方向,然后將文本投影到這些方向,并用嶺函數(shù)進(jìn)行擬合,通過(guò)反復(fù)選取最優(yōu)投影方向,增加嶺函數(shù)有限項(xiàng)個(gè)數(shù)的方法使高維數(shù)據(jù)降低維數(shù),最后采用普通的文本分
2、類算法進(jìn)行分類.我們采用標(biāo)準(zhǔn)文檔集:Reuters-21578進(jìn)行了分類實(shí)驗(yàn),并同時(shí)在相同的預(yù)處理?xiàng)l件下,與目前常用的方法進(jìn)行了對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,該模型對(duì)文本自動(dòng)分類具有較高的召回率和準(zhǔn)確率,該方法是一個(gè)可行而有效的文本分類方法.本文的主要?jiǎng)?chuàng)新點(diǎn)如下:1將投影尋蹤回歸方法應(yīng)用于文本自動(dòng)分類,通過(guò)投影指標(biāo)來(lái)確定投影方向,反復(fù)將文本向量投影到一維空間,然后用嶺函數(shù)進(jìn)行擬合,進(jìn)行高維數(shù)據(jù)的降維,最后進(jìn)行文本的自動(dòng)分類.2.采用Hermi
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(yè)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(kù)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。
最新文檔
- 用于文本分類的粒子群投影尋蹤模型的并行化研究與實(shí)現(xiàn).pdf
- 基于投影尋蹤回歸的網(wǎng)絡(luò)異常檢測(cè)機(jī)制研究.pdf
- 極化SAR圖像分類的投影尋蹤方法研究.pdf
- 基于文本分類技術(shù)的漏洞分類.pdf
- 基于本體的文本分類研究.pdf
- 基于概念的文本分類研究.pdf
- 基于Spark的文本分類的研究.pdf
- 基于GPU的文本分類算法研究.pdf
- 基于TFIDF的文本分類算法研究.pdf
- 基于LDA模型的文本分類研究.pdf
- 基于深度學(xué)習(xí)的文本分類研究.pdf
- 基于本體的短文本分類研究.pdf
- 基于關(guān)聯(lián)規(guī)則的文本分類研究.pdf
- 基于信任機(jī)器的文本分類研究.pdf
- 基于本體的語(yǔ)義文本分類研究.pdf
- 基于聚類分析的文本分類研究.pdf
- 基于機(jī)器學(xué)習(xí)的文本分類研究.pdf
- 基于語(yǔ)義關(guān)聯(lián)的文本分類研究.pdf
- 基于SVM的Web文本分類研究.pdf
- 基于本體的文本分類模型研究.pdf
評(píng)論
0/150
提交評(píng)論