已閱讀1頁(yè)，還剩58頁(yè)未讀， 繼續(xù)免費(fèi)閱讀
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、文本分類是組織和管理文本信息的有效手段，但是文本分類中存在高維性、類別區(qū)分能力低等問(wèn)題，嚴(yán)重影響了文本分類的性能。
為了解決文本分類的高維性問(wèn)題，本文對(duì)常見的特征選擇算法進(jìn)行了比較、研究，選擇了降維效果較好的期望交叉熵算法。同時(shí)，分別從特征項(xiàng)詞頻在類內(nèi)信息、類內(nèi)和類間信息分布熵對(duì)算法的影響進(jìn)行了分析，并提出了基于信息熵的改進(jìn)算法，解決了算法對(duì)特征項(xiàng)詞頻考慮不足的缺陷。另外，本文也對(duì)TF-IDF特征加權(quán)算法進(jìn)行了研究，分別從特征
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(méi)有圖紙預(yù)覽就沒(méi)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
- 基于特征選擇和特征加權(quán)算法的文本分類研究.pdf
- 文本分類中特征選擇算法研究.pdf
- 文本分類中特征選擇算法的研究與改進(jìn).pdf
- KNN文本分類及特征加權(quán)算法研究.pdf
- 文本分類中特征選擇和分類算法的研究.pdf
- 文本分類中特征選擇算法的分析與研究.pdf
- 文本分類特征選擇與分類算法的改進(jìn).pdf
- 中文文本分類中特征選擇算法及分類算法的研究
- 中文文本分類中特征選擇算法及分類算法的研究.pdf
- 文本分類中的特征選擇研究.pdf
- 中文文本分類中特征選擇算法的研究與改進(jìn).pdf
- 基于KNN的文本分類特征選擇與分類算法的研究與改進(jìn).pdf
- 文本分類中特征選擇方法研究.pdf
- 文本分類中基于綜合度量特征選擇算法的研究.pdf
- SVM文本分類中基于法向量的特征選擇算法研究.pdf
- 文本分類中特征提取和特征加權(quán)方法研究.pdf
- 高性能特征選擇及文本分類算法研究.pdf
- 文本分類中基于k-means的特征選擇算法研究.pdf
- 基于多元權(quán)重特征加權(quán)的中文文本分類算法.pdf
- 基于詞條分布的特征選擇算法在文本分類中的研究與應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論