10.3969/j.issn.1000-3428.2009.24.063
基于多种特征选择的NB组合文本分类器设计
针对朴素贝叶斯(NB)分类器在分类过程中存在诸如分类模型对样本具有敏感性、分类精度难以提高等缺陷,提出一种基于多种特征选择方法的NB组合文本分类器方法.依据Boosting分类算法,采用多种不同的特征选择方法建立文本的特征词集,训练NB分类器作为Boosting迭代过程的基分类器,通过对基分类器的加权投票生成最终的NB组合文本分类器.实验结果表明,该组合分类器较单NB文本分类器具有更好的分类性能.
特征选择、朴素贝叶斯、组合文本分类器、Boosting算法
35
TP391(计算技术、计算机技术)
南通大学自然科学基金资助项目08Z030
2010-03-02(万方平台首次上网日期,不代表论文的发表时间)
共3页
191-193