☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

各企业资料集普遍存在资料不完整的情况。据统计，在机器学习和资料採撷应用过程中，不完整资料的前置处理花费大量的时间和精力。不完整资料处理是现实世界中分类知识採撷必须认真考虑和对待的重要问题。有效地处理不完整资料有助于更加充分地利用已经搜集到的资料，进一步加强机器学习和资料採撷的效率。

　　本书即探讨不完整资料分类演算法的改进策略，及其在文体风格识别中的应用。

前言

Chapter 01 概述
1.1 分类知识发现
1.1.1 知识发现的概念和过程
1.1.2 资料採撷中的知识表示模式
1.1.3 分类知识发现主要演算法
1.1.4 不完整资料分类知识发现
1.2 文字挖掘
1.3 本书内容组织

Chapter 02 不完整资料分类演算法研究
2.1 不完整资料分类知识发现
2.1.1 不完整资料的型态
2.1.2 不完整资料的处理
2.1.3 不完整资料分类演算法
2.1.4 稳固贝氏分类
2.1.5 单纯信念分类
2.2 对现有方法的思考
2.2.1 单纯信念分类演算法的加权假设简单
2.2.2 缺乏属性资料和类别标记同时缺失情况下分类知识发现的研究
2.2.3 半监督演算法的效率问题
2.3 不完整资料加权单纯信念分类演算法
2.3.1 相关分析及相关系数
2.3.2 加权保守推理规则
2.3.3 加权单纯信念演算法分类过程
2.4 标准资料集UCI 上的比较实验
2.4.1 实验资料集及实验设计
2.4.2 实验结果分析
2.5 本章小结

Chapter 03 两阶段半监督加权单纯信念分类演算法研究
3.1 半监督分类知识发现研究现状
3.2 问题分析
3.2.1 未标记样本在分类学习中的作用
3.2.2 现有半监督分类方法分析
3.3 两阶段分类方法相关想法
3.3.1 以规则模型为基础的两阶段分类
3.3.2 两阶段半监督文字分类
3.4 两阶段半监督加权单纯信念分类
3.4.1 TSS-WNC 分类主要过程
3.4.2 时间复杂度分析
3.5 在标准资料集UCI 上的实验
3.5.1 分类比较实验
3.5.2 实验结果及分析
3.6 本章小结

Chapter 04 放松区间优势的单纯信念分类演算法研究
4.1 问题分析
4.2 区间优势比较
4.3 以放松区间优势推理规则为基础的不完整资料分类
4.3.1 放松的区间优势
4.3.2 放松的区间优势推理规则
4.3.3 以放松区间优势推理规则为基础的分类过程
4.4 在标准资料集UCI 上的实验
4.4.1 RCIR-NCC 分类比较实验
4.4.2 实验结果分析
4.5 本章小结

Chapter 05 典籍英译文体风格识别研究
5.1 文体风格特征
5.2 文体风格识别演算法
5.3 典籍英译文体风格向量空间模型
5.3.1 典籍英译语料特点
5.3.2 典籍英译多层面文体风格模型
5.4 文体风格特征选择
5.4.1 资讯增益
5.4.2 χ2 统计量
5.4.3 典籍英译文体风格识别特征选择
5.5 特征资料项目缺失文体识别实验
5.5.1 加权单纯信念文体风格识别实验
5.5.2 两阶段半监督文体风格识别实验
5.5.3 放松区间优势单纯信念文体风格识别实验
5.5.4 类别不平衡文体识别实验
5.6 本章小结

Chapter06 基于特征缺失补偿最大熵模型的文字分类
6.1 最大熵模型
6.2 以Gaussian 先验平滑特征补偿为基础的最大熵模型
6.3 混合特征选择演算法
6.4 以特征缺失补偿最大熵模型为基础的文字分类
6.5 本章小结

Chapter 07 以文字分析为基础的网路舆情研究
7.1 以微博为基础的网路舆情指标系统
7.1.1 网路舆情指标系统
7.1.2 以微博为基础的网路舆情指标系统
7.1.3 微博舆情预警对策
7.2 以关键字为基础的微博舆情传播规律
7.2.1 网路舆情传播规律
7.2.2 微博网路舆情传播规律和对策
7.3 以关键字为基础的网路舆情个案研究
7.3.1 个案研究环境及实验资料
7.3.2 大连地区抢盐潮个案分析
7.4 微博舆情的跨语言特征
7.4.1 跨语言微博特征表示
7.4.2 跨语言微博舆情预警研究架构
7.5 网路文字情感倾向
7.5.1 网路文字情感分析粒度
7.5.2 网路文字情感分析基本问题
7.5.3 网路文字情感分析前端问题
7.5.4 网路文字情感分析研究架构
7.6 本章小结

Appendix A 参考文献
 

None

Google就是这样猜中你的心：用机器学习及演算法分析文字语意 电子书 下载 mobi epub pdf txt 2024

类似图书 点击查看全场最低价

查看全网最低价