

版權(quán)說明: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),請進行舉報或認領(lǐng)
文檔簡介
1、信息技術(shù)的不斷發(fā)展使得世界變成了信息的海洋,很多有用的信息被大量的垃圾信息所淹沒,如何從這些信息自動分類出有用的信息將是一個重要的課題。文本作為信息的主要載體,具有明顯的現(xiàn)實意義,而中文作為使用最多的語言之一,其重要性不言而喻。目前大多數(shù)中文文本分類都使用傳統(tǒng)的模式,先對訓(xùn)練樣本學(xué)習(xí)得到分類器,再對未知樣本進行分類,二個過程相互獨立。但按照上述方法得到一個滿意的分類器需要大量的訓(xùn)練數(shù)據(jù),成本耗費比較高,為了進一步減少人工標(biāo)記成本,提高分
2、類的效果及加快訓(xùn)練的速度,采用主動學(xué)習(xí)的方法是一種比較好的途徑。但目前存在的幾種基于支持向量機(SVM)的主動學(xué)習(xí)方法都是簡單的把分類方法與主動學(xué)習(xí)過程相融合,沒有從選擇策略上進行改進,為此本文提出了兩種改進的方法:
1、基于加權(quán)值的主動學(xué)習(xí)算法:
基于SVM主動學(xué)習(xí)算法對訓(xùn)練數(shù)據(jù)都沒有提出明確的要求,但是事實上SVM對訓(xùn)練數(shù)據(jù)的要求比較嚴格,需要保證正類與負類樣本的均衡性,只有這樣才能得到比較滿意的分類性能
3、。不平衡的數(shù)據(jù)將會導(dǎo)致超平面向樣本較少的方向偏移,降低分類器的性能。提出了一種折中考慮最小決策值和樣本平衡性之間關(guān)系的加權(quán)主動學(xué)習(xí)算法。
2、基于期望間隔的主動學(xué)習(xí)算法:
SVM分類器間隔的確定是依據(jù)已標(biāo)記的樣本集。而在主動學(xué)習(xí)的初期分類間隔被擴大了,因而主動學(xué)習(xí)的目的就是依據(jù)當(dāng)前樣本集,選擇那些能最快的縮小當(dāng)前分類器間隔的樣本。提出了一種基于期望間隔的主動學(xué)習(xí)算法,較快的縮小分類器的間隔。
對
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(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 基于于半監(jiān)督SVM主動學(xué)習(xí)的文本分類算法研究.pdf
- 基于主動學(xué)習(xí)SVM的蒙文文本分類系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于主動學(xué)習(xí)的中文文本分類.pdf
- 基于SVM的Web文本分類研究.pdf
- 基于svm的網(wǎng)絡(luò)輿情文本分類研究
- 基于半監(jiān)督的SVM遷移學(xué)習(xí)文本分類方法.pdf
- 基于主動學(xué)習(xí)的多示例文本分類研究.pdf
- 基于Web文本挖掘的SVM網(wǎng)頁文本分類研究.pdf
- 基于SVM的文本分類應(yīng)用研究.pdf
- 基于SVM的網(wǎng)絡(luò)輿情文本分類研究.pdf
- 基于LDA與SVM的文本分類研究.pdf
- 基于關(guān)系權(quán)重的SVM文本分類研究.pdf
- 基于集成SVM的文本分類方法研究.pdf
- 基于SVM算法的文本分類器的實現(xiàn).pdf
- 基于SVM主動學(xué)習(xí)的音樂分類.pdf
- SVM在文本分類中的應(yīng)用.pdf
- 基于SVM和半監(jiān)督學(xué)習(xí)的短文本分類算法研究.pdf
- 基于SVM的網(wǎng)絡(luò)文本分類問題研究與應(yīng)用.pdf
- 基于RS-SVM的中文文本分類研究.pdf
- 基于FOA-SVM的中文文本分類的研究.pdf
評論
0/150
提交評論