暂无评论
基于潜在语义分析和改进的原型算法的跨语言文本分类，赵江，兰曼，随着经济全球化发展，越来越多的组织机构急需自动化归类多语言的文档，然而却受限于缺少已知类别的外文文档。跨语言的文本分类技
基于潜在语义分析的HITS算法改进，唐朝辉，李仁发，在当代互联网应用中，信息爆炸使得知识获取的有效及快速性变得越来越重要。怎样才能即时、有效地为用户提供其需要的知识和服务是
基于语义的新闻文本分类，赵一超，郭军，文本分类，是自然语言处理中的一个重要领域，经过长时间发展已经形成例如朴素贝叶斯、最大熵、SVM（支持向量机）等技术。语义作为
文本分类技术是文本挖掘的核心，本文简单介绍了该研究热点的研究动态、定义并针对其系统结构给出了一个简要 的概述，然后分析了文本分类处理过程中的关键技术，最后对依然存在的某些问题进行了展望。
Chinese text automatic classification based on SVM. PDF
基于潜在语义分析和层次聚类的蛋白质远程同源检测，胡杨，王亚东，蛋白质远程同源检测是计算生物学中一个中心的问题。诸如支持向量机一类的分类器方法是目前使用最广泛、也是最有效的方法之一。许
针对文本情感分类准确率不高的问题，提出基于CCA-VSM分类器和KFD的多级文本情感分类方法。采用典型相关性分析对文档的权重特征向量和词性特征向量进行降维，在约简向量集上构建向量空间模型，根据模型之间
层次关系是中文文本概念间存在的最为重要的关系之一。对层次关系的正确判定是进行领域本体自动构建、文本数据挖掘等信息处理的基础研究内容。先将概念间可能存在的候选层次关系罗列出来，构建词性序列语义余弦相似度
为了更好地实现基于语义的图像检索，结合了颜色、纹理和形状的综合特征来表示图像，将它们作为支 持向量机( SVM) 的输入向量，对图像类进行学习，建立图像底层特征和高层语义的关联。采用综合特征表示图像，
基于神经网络的中文文本分类需要解决的核心问题是特征的选择问题，特征选择涉及选择哪些特征和选择的特征维度两个问题。针对上述问题，提出了信息增益(IG)与主成分分析(PCA)相结合的特征选择方法。通过实验
暂无评论