基于粗糙集和支持向量機(jī)的文本分類方法研究.pdf

1、本文首先對文本分類的發(fā)展現(xiàn)狀及存在問題進(jìn)行了系統(tǒng)性闡述，按文本分類的流程對文本分類相關(guān)技術(shù)進(jìn)行了介紹和探討，重點(diǎn)分析和研究了文本表示、特征選擇技術(shù)以及文本分類算法等文本分類關(guān)鍵技術(shù)。 本文較為系統(tǒng)地總結(jié)和研究了粗糙集和支持向量機(jī)的基本原理。并分別就屬性約簡算法、支持向量機(jī)訓(xùn)練和分類算法等問題加以討論。 為了更好地提高文本分類準(zhǔn)確率，降低支持向量機(jī)分類算法的運(yùn)行時(shí)間，針對文本經(jīng)過預(yù)處理和文本表示后高維稀疏性的特點(diǎn)，本文在研

2、究和分析了一些粗糙集屬性約簡算法及其存在的問題的基礎(chǔ)上，提出了一種改進(jìn)的基于屬性重要度函數(shù)的屬性約筒算法，并將該算法和相關(guān)已有算法進(jìn)行了對比分析，從理論上證明了該改進(jìn)算法的有效性，算法的時(shí)間復(fù)雜性優(yōu)于同類算法。 結(jié)合粗糙集和支持向量機(jī)的各自優(yōu)點(diǎn)，提出了基于粗糙集與支持向量機(jī)相結(jié)合的文本分類方法，在對文本進(jìn)行特征選擇后，利用改進(jìn)后的粗糙集屬性約簡算法，對特征選擇后的特征向量空間進(jìn)行約簡，進(jìn)一步降低特征向量空間的維數(shù)，減少冗余屬性對

3、分類效果的影響，縮短支持向量機(jī)的訓(xùn)練時(shí)間，并據(jù)此設(shè)計(jì)和實(shí)現(xiàn)了一個(gè)結(jié)合粗糙集理論和支持向量機(jī)技術(shù)的文本分類實(shí)驗(yàn)系統(tǒng)，對比了降維前后分類效果，探討了懲罰因子C的選擇對分類結(jié)果的影響。實(shí)驗(yàn)結(jié)果表明，在文本特征向量空間的維數(shù)大于2500維情況下，采用粗糙集和支持向量機(jī)相結(jié)合的文本分類方法取得了較好的分類效果。從而從實(shí)踐上證明了本文提出的改進(jìn)約簡算法在高維情況下是有效的。 最后，對本文取得的成果以及不足進(jìn)行了總結(jié)，并對下一步的研究工作進(jìn)行