基于粗糙集和神經(jīng)網(wǎng)絡(luò)的中文文本分類研究與實現(xiàn).pdf_第1頁
已閱讀1頁,還剩70頁未讀, 繼續(xù)免費閱讀

下載本文檔

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、隨著通信技術(shù)和計算機技術(shù)的飛速發(fā)展,自動信息處理已成為人們獲取大量信息不可缺少的工具文本分類作為自動信息處理的重要研究方向,有著廣泛的應(yīng)用前景粗糙集理論和神經(jīng)網(wǎng)絡(luò)技術(shù)在模式識別中都已得到廣泛的應(yīng)用,但在文本分類領(lǐng)域的應(yīng)用研究相對較套粗糙集在不影響分類精度的前提下通過信息約簡能得到顯式的文本分類規(guī)則,但它對數(shù)據(jù)中的噪聲比較敏感,分類規(guī)則具有模糊性神經(jīng)網(wǎng)絡(luò)有很強的容錯學(xué)習(xí)能力,但不能消除過量的冗余信息,且龐大的文本特征維數(shù)限制了網(wǎng)絡(luò)的性能為

2、此本文采用了一種粗糙集和神經(jīng)網(wǎng)絡(luò)相結(jié)合的文本分類方法,設(shè)計并實現(xiàn)了一個RS-BPNN中文文本分類系統(tǒng),主要工作內(nèi)容有: 1)本文對當前文本分類領(lǐng)域的關(guān)鍵問題及其常用解決方法進行了研究,分析了現(xiàn)有方法的特點與不足詳細闡述了信息約簡的粗糙集理論和基于神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)技術(shù),分析了它們相結(jié)合的優(yōu)點。 2)本文結(jié)合粗糙集的屬性約簡和神經(jīng)網(wǎng)絡(luò)的分類機理,在向量空間模型表示文本的基礎(chǔ)上,構(gòu)建RS-BPNN中文文本分類模型首先采用粗糙

3、集對向量空間降維,然后用BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練,再利用訓(xùn)練得出的分類知識對新文本進行分類通過兩者有機的融合增強了它們在文本分類中的實用性。 3)針對現(xiàn)有屬性約簡算法的缺陷,結(jié)合向量空間模型的特點,對粗糙集的Johnson屬性約簡算法進行了改進改進的算法以特征向量重要度為啟發(fā)式信息,加快了約簡速度并能得到較優(yōu)的約簡。 4)開發(fā)了一個RS.BPNN中文文本分類原型系統(tǒng),采用客觀的中文語料庫對系統(tǒng)進行封閉式和開放式測試,分析和評

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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論