基于遺傳算法的文本分類(lèi)及聚類(lèi)研究

定　價(jià)：￥28.00

作　者：	戴文華
出版社：	科學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	信息處理(信息加工)

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787030227416	出版時(shí)間：	2008-01-01	包裝：	平裝
開(kāi)本：	32	頁(yè)數(shù)：	222	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　文本分類(lèi)和聚類(lèi)技術(shù)是應(yīng)信息檢索和查詢(xún)需要而出現(xiàn)的自然語(yǔ)言處理領(lǐng)域的重要研究課題。文本分類(lèi)和聚類(lèi)問(wèn)題中的特征選擇和抽取技術(shù)、文本特征表示、聚類(lèi)方法的選擇和實(shí)現(xiàn)以及分類(lèi)方法的選擇和實(shí)現(xiàn)，都將對(duì)文本分類(lèi)和聚類(lèi)結(jié)果產(chǎn)生極大影響。針對(duì)文本分類(lèi)和聚類(lèi)中的文本數(shù)據(jù)的高維性和稀疏性、同義詞和近義詞問(wèn)題、效率與精確度之間的搭配問(wèn)題以及參數(shù)優(yōu)化問(wèn)題，《基于遺傳算法的文本分類(lèi)及聚類(lèi)研究》提出了使用遺傳算法與傳統(tǒng)分類(lèi)和聚類(lèi)方法相結(jié)合的思路來(lái)進(jìn)行處理，充分利用了遺傳算法的全局優(yōu)化能力和傳統(tǒng)分類(lèi)及聚類(lèi)算法的專(zhuān)業(yè)知識(shí)，有效地提高了文本分類(lèi)和聚類(lèi)的效率與精度。《基于遺傳算法的文本分類(lèi)及聚類(lèi)研究》可作為自然語(yǔ)言處理專(zhuān)業(yè)和相關(guān)專(zhuān)業(yè)人員自學(xué)參考書(shū)。

作者簡(jiǎn)介

暫缺《基于遺傳算法的文本分類(lèi)及聚類(lèi)研究》作者簡(jiǎn)介

圖書(shū)目錄

序
前言
第1章緒論
1.1 研究的目的和意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 文本分類(lèi)和聚類(lèi)存在的問(wèn)題
1.4 本書(shū)研究?jī)?nèi)容和目標(biāo)
參考文獻(xiàn)
第2章文本分類(lèi)和聚類(lèi)的基本理論及方法
2.1 文本分類(lèi)和聚類(lèi)的概念
2.2 文本的表示
2.3 文本預(yù)處理
2.4 文本特征選擇和抽取
2.5 文本分類(lèi)方法
2.6 文本聚類(lèi)方法
2.7 本章小結(jié)
參考文獻(xiàn)
第3章遺傳算法基礎(chǔ)知識(shí)
3.1 遺傳算法概述
3.2 標(biāo)準(zhǔn)遺傳算法
3.3 遺傳算法染色體編碼
3.4 適應(yīng)度函數(shù)
3.5 遺傳算子
3.6 遺傳算法的改進(jìn)
3.7 本章小結(jié)
參考文獻(xiàn)
第4章混合并行遺傳算法及其在文本聚類(lèi)中的應(yīng)用
4.1 k-means算法初始聚類(lèi)中心的選擇
4.2 混合并行遺傳算法
4.3 基于并行遺傳算法的文本特征詞提取
4.4 基于混合并行遺傳算法的文本聚類(lèi)
4.5 實(shí)驗(yàn)設(shè)置及結(jié)果分析
4.6 本章小結(jié)
參考文獻(xiàn)
第5章混合并行遺傳算法在文本分類(lèi)中的應(yīng)用
5.1 基于混合并行遺傳算法的潛在語(yǔ)義挖掘
5.2 基于混合并行遺傳聚類(lèi)的KNN改進(jìn)算法(HPGA-KNN)
5.3 SMO-SVM算法
5.4 SMO-SVM算法核函數(shù)參數(shù)優(yōu)化
5.5 改進(jìn)的KNN SVM文本分類(lèi)方法
5.6 實(shí)驗(yàn)設(shè)置及分析
5.7 本搴小結(jié)
參考文獻(xiàn)
第6章總結(jié)和研究展望
6.1 總結(jié)
6.2 后續(xù)研究工作展望
附錄A k-means聚類(lèi)算法關(guān)鍵代碼
附錄B 遺傳算法聚類(lèi)關(guān)鍵代碼
附錄C 混合遺傳聚類(lèi)關(guān)鍵代碼