基于概率的覆盖算法在文本分类器中的应用

分类问题的覆盖算法为处理海量数据提供了一个十分有效的方法,已被广泛应用于文本分类问题中.主要通过覆盖算法、核覆盖算法和基于概率的覆盖算法等三种不同方法进行训练和学习,并根据给出的实验结果进行比较研究.实验结果表明了经优化后的概率模型在文本分类中提高了识别率和精确度.     

基于神经网络的玻璃瓶气泡和结石分类研究

研究在线视觉检测玻璃瓶气泡和结石的分类方法.根据检测系统具体的应用环境,实现了线性预分类器和BP神经网络分类器,并通过提取合理的样本特征,参数调整,整体优化了玻璃瓶气泡和结石分类识别过程,同时满足了生产的实时要求和识别的精度.     

粗糙集和神经网络在文本分类中的应用研究

把粗糙集与神经网络结合,应用于文本分类,可以充分发挥两种方法的优势,取长补短,粗糙集理论可以有效地对样本集进行约简,从而简化了神经网络的结构,减少了网络的训练次数,学习速度和分类精度明显提高,并用仿真实验验证了此方法的有效性.     

基于交叉覆盖算法的文本分类研究

中文文本分类是对中文按类别来进行分类。基于交叉覆盖算法的文本分类运用交叉覆盖算法作为分类器,能够实现对中文文本的分类。通过它和SVM(Support Vector Machine)分类器的对比实验,说明了交叉覆盖算法,相比于SVM分类器对中文文本分类效果更好。     

基于卷积神经网络的模式分类器

研究了使用卷积神经网络((Convolutional Neural Networks,CNNS)构造模式分类器,并用于文本/图像分割和文本检测的可能性.CNNs可以避免显式(直接)特征取样.更为重要的是,CNNs能直接运作于灰度图像,使其应用变得直截了当.对诸如卷积核尺度、网络收敛速度等具体算法实现问题进行了讨论,并给出CNNs在汉字文本/图像分割和文本检测方面的各种实验结果.     

基于Weka的文本分类算法性能分析

针对文本分类算法的选择问题,使用二十新闻组数据集在开源的数据挖掘软件Weka上进行了仿真实验。通过实验结果综合评价了朴素贝叶斯算法、IB1算法和ZeroR算法的性能。实验结果表明在三种算法中朴素贝叶斯算法的准确率最高,ZeroR算法的运算速度最快。研究表明文本分类的效率受所选算法的影响较大,合适的算法可以显著地提高文本分类的准确率。     

基于卷积神经网络的人脸识别研究综述

人脸识别是目前计算机技术研究的热门领域,广泛应用于人们的日常生活,如门禁系统、摄像监视系统、相机以及智能手机等。传统的人脸识别技术需要经过人工特征提取、特征选择以及分类器选择等一系列复杂步骤,然而识别效果却并不理想。随着数据量的激增以及GPU高性能计算的发展,卷积神经网络在人脸识别上有了重大突破。文章回顾了传统人脸识别方法,阐述了卷积神经网络的基本结构及其改进和优化方法,介绍了基于卷积神经网络的人脸识别技术及典型应用,展望了人脸识别技术的发展方向。     

基于聚类中心初始化的文本分类高效算法

将前期工作进行了改进并将训练集各簇中语义相似度大的文档进行合并,减少了训练集容量,实验表明该算法大大提高了KNN算法的效率。     

SVM算法在文本分类中的研究

SVM算法只使用已归类的数据训练分类器,而EM算法用少量已归类数据,结合大量的未归类数据来训练分类器,在减少已归类数据的同时保证了分类器的精度。本文基于EM算法的思想,根据SVM文本分类模型,提出一种新的迭代SVM文本分类算法。实验结果表明,迭代SVM算法分类精度高于传统的SVM文本分类算法,具有较好的性能。     

基于ESA的文本分类算法研究

本文借助中文维基百科知识库,提出基于ESA算法的文本分类算法.并选取2015年3月5日在中文维基百科网站下载的主题文章,对其进行适当处理,将处理结果作为该算法使用的语义概念知识库.在复旦大学中文文本分类语料上显示的实验结果表明,该方法比纯粹的词袋模型方法效果要好.     

基于突发事件新闻网页的文本分类方法研究

从对突发事件新闻结构特点的分析出发,进行了特定领域文本分类方法的探讨。其中根据文本特点,摒除信息量小的部分,将标题、首部等作为标引源,提高了分类速度。在特征抽取中综合考虑字与词对于文本分类的作用,提高了分类精度。     

文本分类技术研究

通过介绍文本分类的过程及其关键技术，讨论了文本表示、分类算法、分类器性能评价原理和方法；最后，指出了当前文本分类过程中存在的问题，并对今后的发展进行了展望．     

Hopfield神经网络研究进展

神经网络的研究已成为许多科学工作者的热门研究课题 ,Hopfield神经网络的研究已取得了丰富的成果 ,本文较全面地介绍这个方面国内外的研究近况 .     

神经网络的信息系统

模糊显示逻辑ＦＥＬ是神经网络的形式描述，在逻辑推理方面代表了神经网络的能力，信息系统则是处理信息的片断，可以用于构造语义域，本文把网络的结点作为信息片断，构造ＦＥＬ的信息系统     

Two Criteria for Learning in Feedforward Neural Networks

ＴｗｏＣｒｉｔｅｒｉａｆｏｒＬｅａｒｎｉｎｇｉｎＦｅｅｄｆｏｒｗａｒｄＮｅｕｒａｌＮｅｔｗｏｒｋｓＰｅｎｇＨａｎｃｈｕａｎ（彭汉川）１，２ＧａｎＱｉａｎｇ（甘强）１ＷｅｉＹｕ（韦钰）１１，２（ＤｅｐａｒｔｍｅｎｔｏｆＢｉｏｍｅｄｉｃａｌＥｎｇｉｎｅ...     

文本分类中特征项权重算法的改进

TFID作为文本特征权重计算常用方法,其不足之处是忽略了特征词在文本中的分布情况和文本长度。修正特征词后的改进TFIDF算法召回率和准确率都优于改进前TFIDF。     

盲信号分离的细胞神经网络方法

本文用双层的细胞神经网络(CNN)进行盲信号分离.提出CNN的拓扑结构和内部参数.CNN的第一层功能是一只自适应渐近收敛于平衡点的滤波器.一个平稳随机的模型,是第一层收敛的细胞,用于探测的必要条件,也是对标准的平衡状态解的主要条件.第二层的功能是一个信号分离器.仿真显示,CNN盲信号分离器具有良好的鲁棒性,而且工作平稳.     

一种改进的贝叶斯文本分类模型

朴素贝叶斯文本分类模型是一种简单而高效的文本分类模型,但是它的独立性假设属性使其无法表示现实世界属性之间的依赖关系,从而影响它的分类性能。这里提出一种改进的基于贝叶斯定理的文本分类模型——“树桩网络(Stump Network)”,并将该方法与朴素贝叶斯文本分类器和TAN(Tree Augmented Naive Bayes)文本分类器进行实验比较,结果表明,在大多数数据集上该文本分类方法具有较高的分类正确率。