您的位置: 专家智库 > >

郭文浩

作品数:2 被引量:7H指数:1
供职机构:北京理工大学更多>>
发文基金:国家重点基础研究发展计划更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 1篇期刊文章
  • 1篇专利

领域

  • 1篇自动化与计算...

主题

  • 1篇信息增益
  • 1篇训练集
  • 1篇时间复杂度
  • 1篇专家知识
  • 1篇最近邻
  • 1篇文本分类
  • 1篇文本分类算法
  • 1篇矩阵
  • 1篇空间复杂度
  • 1篇加权
  • 1篇加权关联
  • 1篇加权关联规则
  • 1篇关联规则
  • 1篇关联规则挖掘
  • 1篇复杂度
  • 1篇裁剪

机构

  • 2篇北京理工大学

作者

  • 2篇孙新
  • 2篇郭文浩
  • 1篇王璇
  • 1篇王乐和

传媒

  • 1篇情报工程

年份

  • 2篇2016
2 条 记 录,以下是 1-2
排序方式:
一种基于数据源划分矩阵的加权关联规则挖掘方法
本发明涉及一种基于数据源划分矩阵的加权关联规则挖掘方法,属于人工智能、机器学习、数据挖掘技术领域。利用人工智能方法,能够从海量、复杂的行业文本数据中挖掘隐含的有价值的专家知识,并以关联规则的方式表达,可以为专家系统中知识...
孙新王璇严西敏欧阳童王乐和郭文浩
文献传递
基于训练集裁剪的加权K近邻文本分类算法被引量:7
2016年
文本分类是信息检索领域的重要应用之一,由于采用统一特征向量形式表示所有文档,导致针对每个文档的特征向量具有高维性和稀疏性,从而影响文档分类的性能和精度。为有效提升文本特征选择的准确度,本文首先提出基于信息增益的特征选择函数改进方法,提高特征选择的精度。KNN(KNearest Neighbor)算法是文本分类中广泛应用的算法,本文针对经典KNN计算量大、类别标定函数精度不高的问题,提出基于训练集裁剪的加权KNN算法。该算法通过对训练集进行裁剪提升了分类算法的计算效率,通过模糊集的隶属度函数提升分类算法的准确性。在公开数据上的实验结果及实验分析证明了算法的有效性。
孙新欧阳童严西敏尚煜茗郭文浩
关键词:文本分类信息增益
共1页<1>
聚类工具0