何晓亮
- 作品数：3 被引量：4H指数：1
- 供职机构：江南大学物联网工程学院更多>>
- 发文基金：中央高校基本科研业务费专项资金江苏省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 基于资源分配网络和语义特征选取的文本分类被引量：4
- 2014年
- 针对资源分配网络(RAN)算法存在隐含层节点受初始学习数据影响大、收敛速度低等问题,提出一种新的RAN学习算法。通过均值算法确定初始隐含层节点,在原有的"新颖性准则"基础上增加RMS窗口,更好地判定隐含层节点是否增加。同时,采用最小均方(LMS)算法与扩展卡尔曼滤波器(EKF)算法相结合调整网络参数,提高算法学习速度。由于基于词向量空间文本模型很难处理文本的高维特性和语义复杂性,为此通过语义特征选取方法对文本输入空间进行语义特征的抽取和降维。实验结果表明,新的RAN学习算法具有学习速度快、网络结构紧凑、分类效果好的优点,而且,在语义特征选取的同时实现了降维,大幅度减少文本分类时间,有效提高了系统分类准确性。
- 何晓亮宋威梁久祯
- 关键词：最小均方算法文本分类
- 基于语义特征选取与改进k均值算法的文本聚类研究
- 针对传统的k-means算法存在容易陷入局部最优以及对初始聚类中心的高度依赖性等缺陷，提出了一种改进初始中心选取的新的k-means算法。由于词空间的文本聚类方法很难处理文本的高维特性和复杂语义性，因此通过采用语义特征选...
- HE Xiao-liang何晓亮SONG Wei宋威LIANG Jiu-zhen梁久祯
- 关键词：文本聚类
- 基于语义特征选取与改进K均值算法的文本聚类研究
- 针对传统的K-MEANS算法存在容易陷入局部最优以及对初始聚类中心的高度依赖性等缺陷,提出了一种改进初始中心选取的新的K-MEANS算法.由于词空间的文本聚类方法很难处理文本的高维特性和复杂语义性,因此通过采用语义特征选...
- 何晓亮宋威梁久祯
- 文献传递网络资源链接
