基于改進(jìn)PCA-SOM神經(jīng)網(wǎng)絡(luò)的文本分類研究.pdf

1、在信息過(guò)載的時(shí)代，通過(guò)Internet快速、準(zhǔn)確地獲取有效信息已成為目前研究的焦點(diǎn)問(wèn)題之一。文本分類是實(shí)現(xiàn)信息檢索的重要手段，被廣泛應(yīng)用于文本過(guò)濾、信息檢索、自然語(yǔ)言處理、垃圾郵件分類與探測(cè)等領(lǐng)域。
　　本文在深入研究目前文本分類算法技術(shù)的基礎(chǔ)上，針對(duì)文本數(shù)據(jù)非線性的特點(diǎn)和傳統(tǒng)的特征降維算法、分類算法的不足，提出基于主成分分析白化的降維算法和自組織映射神經(jīng)網(wǎng)絡(luò)文本分類算法。
　　白化主成分分析(White-PCA)是一種對(duì)多

2、元數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析的技術(shù)，在處理高維非線性問(wèn)題中有著極大優(yōu)勢(shì)，而且相對(duì)于特征選擇能夠提供更多的信息，自組織映射(SOM)神經(jīng)網(wǎng)絡(luò)算法能進(jìn)行大規(guī)模分布和并行數(shù)據(jù)信息處理，此外，具有學(xué)習(xí)能力強(qiáng)、收斂速度快、能實(shí)現(xiàn)全局最優(yōu)和自組織聚類的功能，但是SOM存在一些局限，將引入覆蓋方法、良心算法和核方法對(duì)SOM進(jìn)行優(yōu)化改進(jìn)。
　　本文結(jié)合White-PCA特征降維和改進(jìn)SOM神經(jīng)網(wǎng)絡(luò)分類算法各自具有的優(yōu)勢(shì)，構(gòu)建文本分類檢索模型。首先針對(duì)文本數(shù)

3、據(jù)的特點(diǎn)，采用基于白化主成分分析(White-PCA)算法進(jìn)行特征提取和降維，可以對(duì)特征空間實(shí)施降噪、降維和去相關(guān)性，完成分類前的準(zhǔn)備工作;然后利用改進(jìn)后的SOM神經(jīng)網(wǎng)絡(luò)進(jìn)行文本分類，該算法有很強(qiáng)的學(xué)習(xí)、聯(lián)想、容錯(cuò)能力和魯棒性;最后，對(duì)基于Naive Bayes文本分類算法、基于KNN的文本分類算法、BP網(wǎng)絡(luò)及RBF網(wǎng)絡(luò)進(jìn)行了實(shí)驗(yàn)對(duì)比。通過(guò)實(shí)驗(yàn)對(duì)比，本文算法較之基于NaiveBayes和基于KNN的文本分類算法，有更高的分類精度，對(duì)比B