文本分类中一种基于互信息改进的特征选择方法

在文本分类系统中,特征选择方法是一种有效的降维方式,针对互信息方法存在负相关和对低频词倚重的不足,文中对互信息方法进行了改进并用于类内特征提取。在SVM和KNN分类器下,将互信息和改进后的互信息方法用于特征提取实验,实验结果表明改进后的互信息方法简单可行,能够提高所选特征子集的有效性。     

KNN和SVM算法在中文文本自动分类技术上的比较研究

中文文本分类技术在中文信息智能处理方面具有十分重要的作用,比如:中文信息检索和搜索引擎等,KNN、贝叶斯、SVM等算法都可以应用到中文文本分类技术上,本研究分析和比较了KNN和SVM两种分类算法,并通过实验比较这两种算法对中文文本分类技术的效果。结果表明:SVM算法较优,是一种较好的中文文本分类算法。     

基于改进核函数的支持向量机时间序列数据分类

针对传统支持向量机(support vector machine,SVM)对时间序列数据分类,仅通过样本在空间中的几何距离判别样本的类别,提出了一种基于改进核函数的支持向量机算法(SVM_IK,SVM with improved kernel function)。该算法计算样本与空间基数据的时间序列互相关距离,将样本数据映射到新的特征空间中,实现对线性核函数改进,最终根据改进的线性核函数SVM算法对样本数据进行分类。算法通过25组UCR数据集的验证,实验结果显示与1-NN算法和传统SVM算法相比,SVM_IK算法对时间序列数据具有较好的分类效果。     

逐步判别分析法在基因表达数据分类中的应用

利用逐步判别分析法对基因表达值数据进行研究,筛选出了能够反映正常人和癌症患者在基因表达值上差异的特征基因。然后,以这些特征基因的表达值为训练样本建立Bayes判别函数,对未知类型的基因表达值序列进行了判别分类。结果表明,利用筛选出的变量进行判别时,其错判概率要远远小于利用所用变量进行判别时的情况。使用SAS分析系统完成以上步骤。     

中文文本分类中特征选择方法的改进与比较

在文本分类系统中,特征选择方法是一种有效的降维方法,在分析了几种常用的特征选择评价函数之后,根据其算法特点,对算法进行改进从而实现类内特征提取。实验结果证明改进后的类内特征选择方法简单可行、有助于提高所选特征子集的有效性。     

一种基于信息增益的特征选择方法

本文提出了一种基于信息增益改进的信息增益特征选择选择方法.首先对数据集按类进行特征选择,减少数据集不平衡性对特征选取的影响.其次运用特征出现概率计算信息增益权值,降低低频词对特征选择的干扰.最后使用离散度分析特征在每类中的信息增益值,过滤掉高频词中的相对冗余特征,并对选取的特征应用信息增益差值做进一步细化,获取均匀精确的特征子集.通过对照不同算法的测评函数值,表明本文选取的特征子集具有更好的分类能力.     

一种改进的线性支持向量机的特征筛选算法

针对SVM法线特征筛选算法仅考虑法线对特征筛选的贡献,而忽略了特征分布对特征筛选的贡献的不足,在对SVM法线算法进行分析的基础上,基于特征在正、负例中出现概率的不同提出了加权SVM法线算法,该算法考虑到了法线和特征的分布。通过试验可以看出,在使用较小的特征空间时,与SVM法线算法和信息增益算法相比,加权SVM法线算法具有更好的特征筛选性能。     

基于MERSI和MODIS数据的2种监督分类方法比较研究

在VC＋＋6．0环境下实现2种监督分类方法,即最小距离法和最大似然法对250mMERSI和MODIS数据进行分类。并对分类结果进行分析。通过分析可看出,将250m分辨率数据增加到5通道的MERSI数据在2种分类方法下分类效果都要好于MODIS数据。     

GEO水稻相关基因表达数据研究现状

水稻基因表达数据为深入研究水稻基因的表达调控提供了必要的条件。GEO(Gene Expression Omnibus)数据库目前已经积累了相当数量的水稻基因表达数据,但没有相关的数据统计信息。针对GEO数据库中与水稻相关的平台、样品、系列数据进行了统计和总结,综述了目前的研究动态,以及未来的发展趋势,为新研究的开展提供了参考。     

一种基于粗糙集理论的特征选择方法

目的 特征集中特征质量的好坏能够影响到文本分类的精度,所以选择一种好的特征选择方法对于文本分类的效果起着重要的作用.方法 粗糙集理论为研究不精确数据的分析、推理,挖掘数据间的关系、发现潜在的知识提供了有效的工具.提出了一种基于粗糙集的特征选择方法.结果 通过实验结果表明该方法利用粗糙集的约简理论降低了特征维数,同时保证了分类性能.使用该方法进行特征选择时比目前常用的特征选择方法获得较好的分类效果.结论 粗糙集的属性约简理论可以用在规则提取和特征选择上,利用粗糙集的属性约简理论进行特征选择时能够获得较理想的分类效果.     

一种改进的基因表达式编程方法及应用

基因表达式编程(GEP)是基于遗传算法和遗传编程的具有更强数据处理和知识发现的进化算法。介绍了传统GEP算法的基本原理和关键技术,针对求解问题时传统GEP存在未成熟收敛和进化后期收敛速度慢等问题,提出了GEP算法的改进方法,并将改进算法应用于函数发现问题中。与传统GEP算法的对比试验表明改进的GEP算法具有更好的求解能力和更高的性能。     

一种改进的互信息特征选取预处理算法

讨论了基于互信息的特征选取算法在文本分类中的性能问题，分析了利用这种特征选取算法存在分类精度不高的原因，认为互信息为负值的特征在分类中具有很重要的作用．在此基础上提出了一种基于互信息特征选取的改进算法，该算法加强了互信息为负值的特征在分类中的作用．实验结果表明，改进后的算法可以有效地提高文本分类精度。     

亲缘分组资料的遗传参数估计新方法

定义了一类比同胞资料更具普遍意义的资料——亲缘分组资料。依然按常规的单因毒方差分析法计算该资料的组间均方和组内均方．而采用个体模型推导组间均方和组内均方中所包含的期望育种值和环境效应方差组分,然后直接根据定义来估计遗传参数．并论证利用亲缘分组资料估计遗传参数的充要条件.相对常规的同胞资料,虽然采用个体模型得到了与公畜模型或公畜-母畜模型相同的估计结果,但亲缘分组资料遗传参数估计方法的适用范围将更大.     

基于混合粒子群算法的数据分类

随着科技的飞速发展,数据分类日益重要。在改进粒子群算法基础上,结合最近邻分类,形成混合粒子群算法,并在分类基准数据集Iris上试验。试验结果表明:所提出的算法在收敛速度、稳定性和可信度上具有一定的优越性。     

基于多重分类平滑法的人口数据格网化研究

人口数据格网化是解决传统统计数据（以行政区划为基本统计单元）在数据精度、数据标准化和数据融合等方面不足的一种有力工具。综述了各种格网化方法和理论,在此基础上,提出了多重分类平滑法,在不引入过多变量的基础上提高了模拟精度。最后,以河南省人口数据为例,采用指数平滑法,得到了连续人口密度分布图。     

黄皮 CHS 基因的克隆及其表达

为研究黄皮果实中查尔酮合成酶（CHS）的功能,以黄皮果实的 cDNA 和 DNA 为模板,采用同源克隆的方法克隆得 CHS 基因后进行序列比对和聚类分析。结果表明：该基因的开放阅读框为1032 bp,编码343个氨基酸。基因组扩增得到了1100 bp 的片段,不含内含子。该基因主要在果实中表达,而叶片中表达较其他组织低,初步推断该基因可能与果实和花朵中的黄酮类物质合成有密切的关系。该基因编码的蛋白与柑桔的 CHS 蛋白序列亲缘关系较近,可与柑桔、葡萄、芍药、牡丹、荔枝、龙眼等聚为一类。