2024年7月15日
星期一
|
欢迎来到青海省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
李玉雄
作品数:
2
被引量:2
H指数:1
供职机构:
北京工业大学计算机学院
更多>>
发文基金:
北京市教委科技发展计划
北京市自然科学基金
国家教育部博士点基金
更多>>
相关领域:
自动化与计算机技术
更多>>
合作作者
李玉鑑
北京工业大学计算机学院
冷强奎
北京工业大学计算机学院
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
期刊文章
1篇
学位论文
领域
2篇
自动化与计算...
主题
2篇
文本分类
2篇
非凸
1篇
特征权值
1篇
权值
1篇
文本分类方法
1篇
类方
1篇
NC
1篇
TF
1篇
词频
机构
2篇
北京工业大学
作者
2篇
李玉雄
1篇
冷强奎
1篇
李玉鑑
传媒
1篇
计算机工程与...
年份
1篇
2014
1篇
2013
共
2
条 记 录,以下是 1-2
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
非凸在线支持向量机的研究与应用
支持向量机(Support Vector Machines,SVM)是一种建立在统计学习理论的VC维理论和结构风险最小化原则基础之上的机器学习算法,能够很好的解决小样本、非线性及高维模式识别问题,能够克服“维数灾难”和“...
李玉雄
关键词:
特征权值
文本分类
基于LASVM-NC和TF.RF的文本分类方法
被引量:1
2014年
非凸在线支持向量机(LASVM-NC)具有抗噪能力强和训练速度快的优点,而词频相关频率积(tf.rf)则是一种自适应能力很强、分类性能非常好的文本特征。通过把非凸在线支持向量机和词频相关频率积相结合,提出了一种新的文本分类方法,即LASVM-NC+tf.rf。实验结果表明,这种方法在LASVM-NC与多种其他特征的结合中性能是最好的,且与SVM+tf.rf相比,不仅所产生的分类器具有泛化能力更强、模型表达更稀疏的优点,而且在处理含噪声的数据时具有更好的鲁棒性,在处理大规模数据时具有快得多的训练速度。
李玉鑑
李玉雄
冷强奎
关键词:
词频
文本分类
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张