论文研究 基于机器学习的维吾尔文文本分类研究.pdf

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

为解决分类器学习新样本知识的问题，提出一种基于近邻算法的增量学习算法。该算法以最近邻算法为基础，首先计算新样本与标准样本之间的匹配度，找到最佳匹配样本和次佳匹配样本，然后通过与匹配度阈值进行比较来决定

这是一个包含各种中文文本分类数据集的压缩文件。通过使用这些数据集，你可以进行文本分类算法的训练和评估，以提高自然语言处理的效果。这些数据集包含来自不同领域的文本数据，包括新闻、评论、电影评论等。每个数

这是一篇硕士论文，题目是《中文文本分类中特征选择方法的研究与实现》，不但有理论上的研究，更难的是有具体的实例，还给出了软件的界面，值得参考。

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

针对短文本特征较少而导致使用传统文本分类算法进行分类效果并不理想的问题，提出了一种融合BTM主题特征和改进了特征权重计算的综合特征提取方法来进行短文本分类。方法中，在TF-IWF的基础上降低词频权重并

KNN方法存在两个不足:a)计算量巨大，它要求计算未知文本与所有训练样本间的相似度进而得到k个最近邻样本；b)当类别间有较多共性，即训练样本间有较多特征交叉现象时，KNN分类的精度将下降。针对这两个问

从理论和应用的角度对文本信息的分类方法进行研究，提出类别空间模型的概念，用于描述词语和类别之间的关系，并实现了基于类别空间模型的文本分类系统。通过实验表明，该系统有效地提高了文本分类的正确率。