本文關鍵詞：基于決策樹和K最近鄰算法的文本分類研究，，由筆耕文化傳播整理發(fā)布。

首頁 > 專家 > 內(nèi)容

文獻名稱：基于決策樹和K最近鄰算法的文本分類研究

    前言：文本分類是文本挖掘的重要內(nèi)容,是對信息的一種最基本的認知形式。目前的文本特征降維算法、改進或創(chuàng)造適應文本數(shù)據(jù)的分類算法、抽取文本分類規(guī)則等方面的研究仍遠遠不能滿足實際的需要。本文主要研究了文本特征空間的降維問題、利用決策樹抽取文本分類規(guī)則問題和改進KNN算法以適應文本分類問題。 本文提出了三種特征降維方法:一種是基于模式聚合和改進χ~2統(tǒng)計量的文本降維方法,有效地降低文本維數(shù)并可提高分類精度;一種是基于CHI值原理和粗糙集理論的屬性約減的文本降維方法,據(jù)此提出的基于決策樹的文本分類規(guī)則獲取方法,可獲得分類精度較高且易于理解的文本分類規(guī)則;第三種是基于神經(jīng)網(wǎng)絡的特征抽取方法,此方法根據(jù)靈敏度將特征進行排序,采用二分法的方式去掉部分特征,降低了神經(jīng)網(wǎng)絡特征提取的計算量。 本文提出了兩種基于模糊決策樹的模糊文本分類規(guī)則抽取方法。第一種方法采用分枝合并減少了分類規(guī)則,第二種方法提出了一種基于類信息熵和密度分布函數(shù)的數(shù)據(jù)模糊化方法,降低了數(shù)據(jù)模糊化的工作量和模糊決策樹的規(guī)模,減少了分類規(guī)則數(shù)量。 本文關于KNN算法的改進主要做了三個方面的工作: 歐氏距離中的權重求解問題:提出了...
    Text categorization is one of the most important issues of text mining, which is thought as a basic cognitional form. The researches on the methods of feature dimensions reduction, text categorization and text categorization rule extraction have not satisfied the actual applications so far. In this paper, the text feature dimensions reduction and text categorization rule extraction using decision tree are investigated, and some new KNN algorithms are represented for text categorization. In this pap...

文獻名稱 基于決策樹和K最近鄰算法的文本分類研究

Article Name
英文(英語)翻譯 Study on Text Categorization Based on Decision Tree and K Nearest Neighbors;

作者 王煜; 導師:王正歐;

Author

作者單位
Author Agencies 天津大學;

文獻出處
Article From 中國科學院上海冶金研究所; 材料物理與化學(專業(yè)) 博士論文 2000年度

關鍵詞 文本分類; 決策樹; KNN算法; 模糊邏輯; 粗糙集理論; 神經(jīng)網(wǎng)絡;

Keywords text categorization;decision tree;KNN algorithm;fuzzy logic;rough set theory;neural network;

基于文本分類的本體匹配及其應用研究
文本分類及其相關技術研究
關聯(lián)文本分類關鍵技術研究
文本分類和聚類中若干問題的研究
粗糙集理論在中文文本分類中的應用
高性能文本分類算法研究
現(xiàn)代信息檢索中的文本分類及圖像恢復研究
支持向量機分類方法及其在文本分類中的應用研究
自動文本分類若干基本問題研究
城市休閑產(chǎn)業(yè)集群化發(fā)展理論與創(chuàng)新研究

  本文關鍵詞：基于決策樹和K最近鄰算法的文本分類研究，由筆耕文化傳播整理發(fā)布。