为克服传统支持向量机不能处理交叉数据分类问题,Mangasarian等人提出一种新的分类方法PSVM,该方法可有效解决交叉数据两分类问题,但用PSVM解决多分类问题还报道不多。为此,提出一种基于PSV
本文详细介绍了基于BERT模型的中文短文本分类算法,以及该算法的具体实现方法。首先,对BERT模型的原理进行了简要介绍,然后详细阐述了如何将该模型应用于中文短文本分类任务中。接着,针对中文语言的特点,
当输入维数高时神经网络结构复杂、体系庞大,导致其收敛速度慢。为克服这个缺点,提出了基于决策规则的神经网络,利用粗糙集理论从数据样本中获取最简的决策规则,按决策规则语义构建一种不完全连接的神经网络。根据
基于主题的信息采集及文本分类技术的研究,应钦,,随着Web上信息的迅速扩展,各项基于Web的服务也逐渐繁荣起来。传统的信息采集不能满足人们日益增长的个性化需求,基于主题的Web信息
传统的文本分类方法大多数使用单一的分类器,而不同的分类器对分类任务的侧重点不同,就使得单一分类方法有一定的局限性,同时每个特征提取方法对特征词的考虑角度不同。针对以上问题,提出了多类型分类器融合的文本
一种基于LSM的文本聚类算法,王步钰,付学良,为从互联网海量数据中获取精准个性化旅游产品模式,本文提出了一种基于潜语义模型的文本聚类算法。通过建立旅游信息对象核心语义
数字水印技术是文本版权保护的有效手段之一。通过对自然语言文本水印特征的分析,提出了一种基于句长的中文文本水印算法。该算法通过句式变换修改句子的长度来嵌入水印,在水印嵌入前采用DES加密算法并结合散列表
提出了一种新的手写数字识别方法,通过将一幅规范化手写数字图像做任意旋转和简单排列,形成纹理图像,将手写数字识别问题转换为纹理识别问题。然后提取纹理图像在不同方法的主频中心作为特征向量,用最小距离分类器
在充分研究传统的BDI体系结构在描述自学习机制和知识动态更新方面的局限性以及合作环境下的Agent的动力学特征基础上,提出了一个基于传统BDI结构的扩展模型,即BDIM模型。在传统的BDI基础上追加激
为了提高文本自动分类准确率,提出一种改进的蜂群优化神经网络的选择特征的文本数据挖掘算法。该算法将文本特征选择转换成一个多目标优化问题,以特征维数最少、分类正确率最高为选择标准,采用蚁群算法找到最优特征
