论文研究复杂样本分类的GARBFNN方法 .pdf

在非结构化数据挖掘结构模型，即发现特征子空间模型(DFSSM)的运行机制下，提出了一种新的文本分类算法——基于DFSSM的文本分类(TCDFSSM)算法。该算法在文本训练及分类阶段的基础上增加了自动反

通过文档基于模糊限定词的特征表达，定义特征的模糊函数，将文档表示为隶属度限幅的特征向量，构造文本集隶属度限幅的类特征矩阵，将每一类文本集映射为类期望向量，所有类期望向量便构成了隶属度限幅的特征VSM。

一个面向文本分类的中文特征词自动抽取方法，付德宇，代成琴，本文根据主流文本分类模型只对词频敏感、且只关注中高频词条的特点，设计实现了一个基于多步过滤汉字结合模式的无词典特征词自动

针对不平衡数据集上进行文本分类，传统的特征选择方法容易导致分类器倾向于大类而忽视小类，提出一种新的特征选择方法IPR(integratedprobabilityratio)。该方法综合考虑特征在正类和

针对局部线性嵌入算法(LLE)应用于非监督机器学习中的缺陷,将该算法与半监督思想相结合,提出了一种基于半监督局部线性嵌入算法的文本分类方法。通过使用文本数据的流形结构和少量的标签样本,将LLE中的距离

随着现代科技的发展，车载电子设备越来越多，但是如果在驾驶中司机的手离开方向盘去操作这些电子设备却是很危险的。对于这个问题的一个解决方法就是这些设备都采用语音识别作为它们的输入接口。通常的语音识别系统在

基于分类的未知病毒检测方法研究，余晓姿，马兆丰，提出了一种以PE文件静态信息作为特征，通过分类来对未知病毒进行检测的方法。采用初始聚类中心优化的K-means聚类算法实现对病毒文件

应用遗传方法产生“弱”分类器，按照Boosting（推进）的思想，改变每一代遗传操作中训练实例的权重，并以整体结合方式确定未在训练集中的实例类型，有效地改进了遗传分类算法。

本文通过对Bayes、KNN、SVM应用于中文文本分类进行比较实验研究。应用ICTCLAS对中文文档进行分词，在大维数，多数据情况下应用TFIDF进行特征选择，并同时利用它实现了对特征项进行加权处理，

从模式的相似度信息和支持度大小两方面分析了前人聚类算法中采用的距离函数的缺陷，提出了改进距离函数的新算法—Mix算法。实验研究证明，算法在实现过程中可以相应减少时间消耗和聚类结果的错误程度，提高聚类质