面向对象角色分析和建模方法研究

面向对象角色分析方法OOram(Object-Oriented Role Analysis and Modeling)是一种新的面向对象软件开发方法.文章介绍了它的建模思想、步骤和10种视图以及与其它面向对象方法的比较     

面向对象角色分析和建模方法研究

面向对象角色分析方法OOram(Object-Oriented Role Analysis and Modeling)是一种新的面向对象软件开发方法。文章介绍了它的建模思想、步骤和10种视图以及与其它面向对象方法的比较。     

文本分类中影响因素的定量分析

基于包含全部特征的类别特征数据库,利用基于距离度量的Rocchio算法、Fast TC算法和基于概率模型的NB算法,从定量的角度来分析停用词、词干合并、数字和测试文档长度4个因素对文本分类精度的影响程度。实验表明,过滤停用词方法是一种无损的特征压缩手段,词干合并虽然对分类精度略有减弱,但仍能保证特征压缩的可行性。数字与其他词汇的语义关联性提高了Rocchio算法和Fast TC算法的分类精度,但降低了视特征彼此独立的NB算法的分类精度。3种算法在测试文档取不同数量的关键词时分类精度的变化趋势说明了特征所包含的有益信息和噪音信息对分类精度的影响。     

一种结合参数优化的贝叶斯文本分类算法

朴素贝叶斯算法的主要特征是分类速度快而分类精度较低,算法的目标是在传统贝叶斯文本分类算法的前提下达到令人满意的分类精度,并进一步提高分类速度.算法的技术手段包括在原有多项式贝叶斯模型的基础上建立简化的贝叶斯实现模型,建立仅包含单词在类别中信息的类别特征信息数据库和优化lidstone修正因子等.算法实验在Reuters-21578测试语料集上进行.结果表明,与相关文献相比,分类速度明显高于对比算法,且精度优于或近于相关文献的改进贝叶斯算法.