基于Boosting算法集成遗传模糊分类器的文本分类

提出一种新颖的基于Boosting模糊分类的文本分类方法。首先采用潜在语义索引(LSI)对文本特征进行选择;然后提出Boosting算法集成模糊分类器学习,在每轮迭代训练过程中,算法通过调整训练样本的分布,利用遗传算法产生分类规则。减少分类规则能够正确分类样本的权值,使得新产生的分类规则重点考虑难于分类的样本。实验结果表明,该文本分类算法具有良好分类的性能。     

基于SIP协议非语音信息扩展的应用研究

利用SIP事件通告机制这一扩展,提出了一种基于SIP的VoIP非语音信息扩展的应用方案,描述了该方案的设计原理,讨论了一些方案实现的技术要点.该设计方案结合了XML技术,结构清晰,故具有较强的扩展性.在VoIP系统中,该方案实现的扩展功能使用户了解当前其他用户的通信状态,避免了一些呼叫事故的发生.     

基于BP网络的中文文本分类技术

本文在对文本分类的问题,关键技术及系统结构进行介绍的基础上,详细阐述了一种利用带动力项的BP神经网络作为分类器的中文文本自动分类方法.该法采用归一化TFIDF算法对特征向量进行权值计算,并使用期望交叉熵统计方法对特征向量集进行精简.此外,我们在TanCorp12数据集上测试了特征项数目和训练次数对于分类器的宏平均和微平均性能的影响.     

kNN在文本分类中的应用研究

随着网络技术与数字图书馆的迅猛发展,在线文档迅速增加,自动文本分类已成为处理和组织大量文档数据的关键技术。kNN方法作为一种简单、有效、非参数的分类方法,在文本分类中得到广泛的应用。本文介绍了kNN分类算法的思想以及两种不同的决策规则,并通过实现的文本分类系统对基于离散值规则的kNN方法和基于相似度加权的kNN方法进行实验比较。实验结果表明。基于相似度加权的kNN方法的分类性能要优于基于离散值规则的kNN方法。     

ASP．NET2．0中利用C#实现DBF文件向MDB文件的转换

本文以C#为设计语言,应用ADO．NET技术,并且综合运用DataAdapter与DataSet,完成ASP．NET下DBF文件向MDB文件的转换,这样在应用系统中无需借助第三方软件的转换就可以直接使用DBF文件,解决了以MDB文件为数据源的应用系统如何直接使用DBF文件的问题。     

基于．NET的Word报告的设计与实现

在Web应用系统中经常会遇到文本处理的问题,如何在企业的Web管理系统中应用Word文档是系统用户关心的问题。通过在对Word对象的内容与格式及图表对象进行控制,提出了一种动态实现Word报告生成与下栽的方法。     

秦山核电公司构建档案数字化知识管理系统的初步实践

本文结合公司开展档案数字化系统和知识管理系统的实际情况,提出了企业文档知识管理系统的建设思路。     

利用置信度重取样的SemiBoost-CR分类模型

结合半监督学习和集成学习方法,提出了一种基于置信度重取样的SemiBoost-CR分类模型.给出了基于标注近邻与未标注近邻的置信度计算公式,按照置信度重采样,不仅选取一定比例置信度较高的未标注样本,而且选取一定比例置信度较低的未标注样本,分别以不同的策略加入到已标注的训练样本集,引入置信度高的未标注样本,用以提高基分类...     

半监督文本分类综述

文本分类是人们日常工作中经常遇到的问题,也是机器学习的重要研究内容.半监督学习算法同时考虑有标记和无标记数据,能显著提升学习效果.给出了文本分类的定义和特点,介绍了传统的监督学习分类算法和评价指标,对半监督文本分类的特点和基础理论进行了分析,并具体介绍了一些半监督文本分类算法,如贝叶斯方法和正则化方法.     

Adaptive thresholding algorithm: Efficient computation technique based on intelligent block detection for degraded document images

Document image binarization involves converting gray level images into binary images, which is a feature that has significantly impacted many portable devices in recent years, including PDAs and mobile camera phones. Given the limited memory space and the computational power of portable devices, reducing the computational complexity of an embedded system is of priority concern. This work presents an efficient document image binarization algorithm with low computational complexity and high performance. Integrating the advantages of global and local methods allows the proposed algorithm to divide the document image into several regions. A threshold surface is then constructed based on the diversity and the intensity of each region to derive the binary image. Experimental results demonstrate the effectiveness of the proposed method in providing a promising binarization outcome and low computational cost.