基于混合核函數(shù)支持向量機的文本分類研究.pdf_第1頁
已閱讀1頁,還剩65頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著計算機技術的高速發(fā)展,人們搜集、存儲數(shù)據的能力空前提高,不管在科學研究還是在社會生活的各個領域,都積累了大量的數(shù)據。采用機器學習的方法分析數(shù)據、挖掘數(shù)據背后的信息,促成了基于支持向量機的分類技術的產生。自20世紀90年代Vapnik等人提出基于統(tǒng)計學習理論支持向量機算法以來,基于核函數(shù)的機器學習方法(核方法)得到了迅猛的發(fā)展,目前已經成為了機器學習領域和人工智能領域的研究熱點之一,廣泛應用在生物信息技術、圖像處理和文本分類等多個領域

2、。
  對支持向量機的進一步研究,無論對核函數(shù)理論的完善和發(fā)展,還是對核函數(shù)方法在應用領域的進一步研究拓展,都具有極其重要的意義。核函數(shù)是實現(xiàn)非線性映射的重要途徑,正是支持向量機得到廣泛應用和取得良好效果的關鍵所在。本篇論文的工作就是研究混合核函數(shù)的性質、構造以及應用。研究混合核核函數(shù)的意義在于一方面可以擴展提高支持向量機在現(xiàn)實生活中的應用性;另一方面核函數(shù)方法還處于剛剛發(fā)展的初始階段,其潛力還沒有得到完全發(fā)掘。
  隨著W

3、EB數(shù)據挖掘技術的不斷發(fā)展,現(xiàn)今的文本分類技術如何能夠改善文本信息雜亂無章的狀況,提高對WEB數(shù)據搜索的質量,進而快速有效的獲得文本信息已經成為研究的重點。所以,人們越來越關注文本自動分類技術?;跈C器學習的文本自動分類技術有著比較好的效果,該技術有著多種算法,例如:樸素貝葉斯算法、k最近鄰算法、決策樹算法以及支持向量機算法等。
  本文將基于混合核函數(shù)的支持向量機算法應用于文本分類技術中,先分析了新的混合核函數(shù)的合法性、性質、算

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論