论文研究基于Hadoop的SVM并行化文本分类研究与实现 .pdf

非凸在线支持向量机（LASVM-NC）具有抗噪能力强和训练速度快的优点，而词频相关频率积（tf.rf）则是一种自适应能力很强、分类性能非常好的文本特征。通过把非凸在线支持向量机和词频相关频率积相结合，

针对现有很多文本分类算法必须进行训练—测试—再训练的缺点以及通用模型的语法表现度较差等问题，提出一种改进的模糊语法算法（IFGA）。根据一些选取的文本片段建立学习模型；为了适应轻微变化，采用增量式模型

提出了一种基于特征项扩展的中文文本分类方法.该方法首先对文档的特征词进行分析,然后利用HowNet抽取最能代表主题的特征义原,接着根据这些义原对特征项进行扩展,并赋予扩展的特征项适当权值来说明其描述能

该研究论文详细介绍了基于BERT模型的中文短文本分类算法的原理和实现方法。通过使用BERT模型，可以有效地对中文短文本进行分类和处理。该算法在实际应用中表现出色，具有较高的准确率和鲁棒性。同时，论文还

文本聚类属于无监督的学习方法，由于缺乏类信息还很难直接应用有监督的特征选择方法，因此本文提出了一种基于类信息的特征选择算法，此算法在密度聚类算法的聚类结果上使用信息增益特征选择法重新选择最有分类能力的

利用加入了分类指导信息的ICA（GuideIndependentcomponentsanalysis，G-ICA），在已知样本中提取隐藏在样本基因表达数据中与组织分类密切相关的各种表达模式，根据这些模

针对原生的Hadoop云平台处理海洋环境信息可视化效率不高的问题，提出了一种GPU嵌入Hadoop云平台的并行计算框架。该框架以原生Hadoop为基础，GPU并行计算与MapReduce相结合，实现了

基于SVM-KNN算法的Web分类研究与实现，陈燃燃，辛阳，近年来随着网络上不健康内容的迅猛增长，人们开始重视“绿色上网”，希望通过对网页进行内容识别和分类，实现用户上网行为控制。

手机取证中基于维基百科的文本分类技术研究，姜松润，张淼，本文对手机取证进行研究，并对取得证据的特点进行分析。随后对文本分类技术进行研究，分析了文本分类的相关流程。由于手机取证中

对四种特征选择方法: 互信息、信息增益、x 2 统计和期望交叉熵作了简要的介绍, 并 且结合 K NN分类算法 , 使用查全率、查准率、宏平均和微平均对四种特征选择方法分别进行评 估 , 提出并讨论了