国家自然科学基金(708890080)
- 作品数：3 被引量：3H指数：1
- 相关作者：杨德礼祁瑞华胡润波李慧芬更多>>
- 相关机构：大连外国语学院大连理工大学更多>>
- 发文基金：国家自然科学基金辽宁经济社会发展立项课题教育部人文社会科学研究基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 两阶段半监督加权朴素信念分类模型
- 2011年
- 针对目前半监督分类算法中未考虑缺失属性隐含信息和算法复杂度高的情况,改进了朴素信念分类,提出了两阶段半监督加权朴素信念分类模型。与直推支持向量机对比实验结果表明两阶段半监督加权朴素信念分类模型减少了分类时间,并且在其能够明确分类的样本上的正确率与直推支持向量机相当,是一种有效的不完整数据分类算法。
- 祁瑞华杨德礼李慧芬
- 关键词：模式识别加权
- 基于特征缺失补偿最大熵模型的文本分类被引量：2
- 2010年
- 针对自然语言处理中普遍存在的特征缺失问题,提出了基于特征缺失补偿最大熵模型的文本分类方法。为避免数据稀疏时出现训练过适应,采用高斯先验平滑进行特征补偿,并提出基于条件最大熵计算增益和基于特征频数的混合特征选择方法。通过实验将本方法与中心法、最近邻、贝叶斯、SVM和平滑前的最大熵文本分类器进行了比较,实验结果表明基于特征缺失补偿最大熵模型分类器的综合性能超过以上算法。
- 祁瑞华杨德礼胡润波
- 关键词：最大熵文本分类
- 基于相关系数加权朴素信念分类模型被引量：1
- 2010年
- 针对目前大多数分类器简单抛弃缺失数据的问题,基于朴素信念分类提出了一种有缺失值实例的加权保守推理规则的分类算法。以数据集特征属性与决策属性之间的相关系数作为权值,根据有缺失值实例加权保守推理规则对有非随机缺失属性的待分类实例所有可能的类别进行选择。实验结果表明,提出的基于有缺失值实例的加权保守推理规则分类算法有效地提高了分类性能,是一种有效的缺失数据集分类算法。
- 祁瑞华杨德礼胡润波
- 关键词：相关系数缺失数据贝叶斯
