【摘 要】
：
提出了一种新的解决多标号文本分类问题的方法.对于一个K类多标号问题,首先采用"一对其他"的问题分解方法将原问题分解为K个两类问题;然后按照最小最大模块化支持向量机(M3-SVM)的"部分对部分"问题分解方法,再对这些两类问题进一步分解.这种方法的特点是能将大规模、训练样本极不平衡的两类问题分解成用户希望的任意大小的相对平衡的两类问题,并能容易地实现并列学习.对读卖新闻日文数据集和路透社英文数据集进
【机 构】
：
上海交通大学计算机科学与工程系 上海 200030 日本国立信息与通信技术研究所 京都 619-0
【出 处】
：
2005第一届中国分类技术与应用研讨会(CSCA)
论文部分内容阅读
提出了一种新的解决多标号文本分类问题的方法.对于一个K类多标号问题,首先采用"一对其他"的问题分解方法将原问题分解为K个两类问题;然后按照最小最大模块化支持向量机(M3-SVM)的"部分对部分"问题分解方法,再对这些两类问题进一步分解.这种方法的特点是能将大规模、训练样本极不平衡的两类问题分解成用户希望的任意大小的相对平衡的两类问题,并能容易地实现并列学习.对读卖新闻日文数据集和路透社英文数据集进行了文本分类实验,实验结果表明,该方法比传统的方法具有更好的泛化能力和更短的训练时间。
其他文献
本文对航天发射场可靠性技术工程应用进行了研究。文章阐述了构造高可靠性系统,实现系统可靠性增长的原则与方法.为航天发射场的信息化建设与跨越式发展准备良好的硬件条件,为技术决策提供依据.
由于能源节约的重要性,在我国也有必要对超高效率电动机的发展和应用进行必要的探讨.本文研究，1.超高效率电动机的节能潜力和经济效益，2.超高效率电动机效率指标的确定，3.降低损耗、提高效率的途径。
阳泉煤业集团利用矿井煤层气作为城市煤气气源,已有30多年的历史,已累计供气66254万m3。介绍了阳泉矿区煤层气开发利用情况,存在的问题及今后发展前景。
分析了当前常用的汉语句子相似度计算方法及存在的问题,针对中文问句的特点,定义了问句的常规和特定语块,提出了一种基于语块的中文问句相似度计算方法,该方法以"知网"为基础,计算词语语义相似度,利用组块分析理论及HMM学习算法,识别问句常规语块,利用规则或学习方法提取问句特定语块,并分别计算两个问句中各问句语块之间的相似度,最终以语块相似度为基础实现问句相似度的计算.问句相似度计算方法对比实验结果说明,
Fourier-Mellin变换(FMT)通常用于基于内容的图像检索和数字图像水印.将FMT的应用扩展到图像配准,并提出基于FMT的改进的配准算法,以便对由平移、旋转和比例变换而产生的偏移图像进行调整.提出的算法能消除从笛卡尔坐标到对数极坐标的转换,避免在转换过程中所需的插值,同使用相关函数的传统方法相比获得了显著的改进.实验表明,该算法在白噪声存在的情况下能获得准确鲁棒的结果。
文本聚类是利用聚类技术对大量的文本数据进行分析,把内容相似的文本放在同一个集合.针对基于k-means特征加权算法用于文本子空间聚类的性能进行了一系列的实验研究与分析,并验证得出该算法具有可伸缩性与快速收敛性.文本子空间聚类算法的提出是针对文本数据的两大特点:高维与稀疏性.该算法基于传统的k-means聚类方法,将特征加权加入到k-means迭代的过程中.在聚类文本的同时,对文本集所包含的单词(特
问题分类是问答系统技术处理的基础与核心,它决定答案抽取的范围和方法,进而影响整个系统的性能.通过对比分析问题分类与文本分类的异同以及问句内部结构与问题类型之间的关系,提出了一种新的基于贝叶斯理论的问题分类计算模型.通过对比实验,证明在计算模型中增加特征项扩展可以有效地减小问句较短和标注语料库较小对统计结果的影响,而基于疑问词的2-gram组合,较好地利用了问句结构特征,提高了问题分类的精确度。
k-均值是著名的聚类算法,被广泛应用在诸多领域.经过多年发展,原始的MacQueenk-均值算法已经衍生出多种变形,构成了k-均值算法家族.首先回顾k-均值家族重要成员:k-均值(k-means)、k-模(k-modes)、k-原型(k-prototypes)算法和它们的模糊版本,然后提出两个新成员--变量自动加权的k-均值算法,并讨论它们在子空间聚类中的应用.文本数据的实验结果表明,变量自动加权
减少算法参数对聚类效果的影响,是聚类分析技术需要解决的一大难题.提出与离群点识别方法相结合以弥补聚类技术不足的新思路.在提出基于公共近邻的离群点概念之后,给出一种借助离群点信息自动停止聚类过程的聚类算法,该算法只需一个参数,参数的恰当取值范围可以依据识别离群点的情况确定.算法兼具处理类别属性和数值属性数据的能力.在分析过新算法一些特点后,用6个数据集测试新算法的效果,并与多种聚类算法进行对比,实验
在复杂气识别中,单纯使用神经网络存在因输入信息空间维数较大而使网络结构复杂、训练时间长,以及因冗余属性使网络拟合精度不高等缺点,为此提出一种简化的进化神经网络方法,主要包括基于粒度相似度的连续属性离散化算法;基于粗糙集的属性约简算法;基于粒子群进化计算的网络学习训练算法;以及基于黄金分割的隐含层节点数的优选等步骤.通过长庆复杂气层的实际应用表明,这种简化的进化神经网络方法不仅满足识别系统的精度要求