免费论文摘要：空间降维前提下的文本机动分门别类算法接洽

互联网络中消息的爆裂式延长为消息的处置和运用带来了宏大的挑拨。为了揭穿湮没在数据之后具备潜伏价格的消息或构造，连年来文天职析和文本发掘本领博得了较快的兴盛和普遍的运用。经过对文本实质的接洽，不妨创造文本数据中生存的百般联系和准则，并不妨按照现有的数据猜测将来的兴盛趋向。文本机动分门别类本领是文本发掘范围最要害的东西之一。文本机动分门别类是人为智能本领和消息检索本领相贯串的接洽实质，是举行鉴于实质的机动消息处置的中心本领。文本机动分门别类的手段即是对文本集举行有理的处置和构造，使得那些文本不妨依照类型辨别飞来。连年来，文本机动分门别类本领仍旧在消息过滤、探求引擎、文本数据库等范围获得了普遍的运用。正文对文本机动分门别类范围的要害本领及国表里关系接洽举行了较为深刻的领会；对准特性空间降维的关系本领举行了领会和比拟，并采用了一种鉴于消息增值表面的特性采用本领动作接洽中心；同声，正文还对文本特性向量表白等要害本领举行了接洽和矫正，提出了新的安排计划。鉴于之上接洽实质，正文开始提出了一个鉴于特性空间降维的文本机动分门别类算法框架DRFTC(Dimension Reduction Framework for Text Categorization)。该框架经过灵验的降维，使保守的低维空间分门别类算法实用于高维空间，进而实行其在文本机动分门别类范围的运用。而后，正文安排并实行了一种鉴于均值漂移的文本机动分门别类算法MSBC(Mean Shift Based Classification)，该算法鉴于正文所提出的DRFTC框架，并对保守的均值漂移算法举行了矫正。算法MSBC在保护机动分门别类精确性的同声，还接受了鉴于质心分门别类功夫搀杂度低的便宜。为了考证框架和算法的灵验性，正文采用了数据发掘范围接洽中两个规范的数据集辨别举行了试验。试验截止表白，正文提出的DRFTC框架不妨使保守的低维空间分门别类算法实用于高维前提下的文天职类，并博得了较好的分门别类功效；同声，正文提出的鉴于均值漂移的文本机动分门别类算法与KNN算法和Rocchio算法比拟具备更优的分门别类功效和更低的功夫搀杂度，是一个高效赶快的文本机动分门别类算法。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/207055.html