基于遺傳算法的文本分類及聚類研究

定　價：￥28.00

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

購買這本書可以去

ISBN：	9787030227416	出版時間：	2008-01-01	包裝：	平裝
開本：	32	頁數(shù)：	222	字數(shù)：

內容簡介

　　文本分類和聚類技術是應信息檢索和查詢需要而出現(xiàn)的自然語言處理領域的重要研究課題。文本分類和聚類問題中的特征選擇和抽取技術、文本特征表示、聚類方法的選擇和實現(xiàn)以及分類方法的選擇和實現(xiàn)，都將對文本分類和聚類結果產生極大影響。針對文本分類和聚類中的文本數(shù)據(jù)的高維性和稀疏性、同義詞和近義詞問題、效率與精確度之間的搭配問題以及參數(shù)優(yōu)化問題，《基于遺傳算法的文本分類及聚類研究》提出了使用遺傳算法與傳統(tǒng)分類和聚類方法相結合的思路來進行處理，充分利用了遺傳算法的全局優(yōu)化能力和傳統(tǒng)分類及聚類算法的專業(yè)知識，有效地提高了文本分類和聚類的效率與精度?！痘谶z傳算法的文本分類及聚類研究》可作為自然語言處理專業(yè)和相關專業(yè)人員自學參考書。

作者簡介

暫缺《基于遺傳算法的文本分類及聚類研究》作者簡介

圖書目錄

序
前言
第1章緒論
1.1 研究的目的和意義
1.2 國內外研究現(xiàn)狀
1.3 文本分類和聚類存在的問題
1.4 本書研究內容和目標
參考文獻
第2章文本分類和聚類的基本理論及方法
2.1 文本分類和聚類的概念
2.2 文本的表示
2.3 文本預處理
2.4 文本特征選擇和抽取
2.5 文本分類方法
2.6 文本聚類方法
2.7 本章小結
參考文獻
第3章遺傳算法基礎知識
3.1 遺傳算法概述
3.2 標準遺傳算法
3.3 遺傳算法染色體編碼
3.4 適應度函數(shù)
3.5 遺傳算子
3.6 遺傳算法的改進
3.7 本章小結
參考文獻
第4章混合并行遺傳算法及其在文本聚類中的應用
4.1 k-means算法初始聚類中心的選擇
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
4.5 實驗設置及結果分析
4.6 本章小結
參考文獻
第5章混合并行遺傳算法在文本分類中的應用
5.1 基于混合并行遺傳算法的潛在語義挖掘
5.2 基于混合并行遺傳聚類的KNN改進算法(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 改進的KNN SVM文本分類方法
5.6 實驗設置及分析
5.7 本搴小結
參考文獻
第6章總結和研究展望
6.1 總結
6.2 后續(xù)研究工作展望
附錄A k-means聚類算法關鍵代碼
附錄B 遺傳算法聚類關鍵代碼
附錄C 混合遺傳聚類關鍵代碼