基于高斯混合模型林业信息文本分类的技术研究.pdf

《基于高斯混合模型林业信息文本分类的技术研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、－；：；：：ｖ於．把．、沒谭封．豁響：．靖：．麥健Ｋ满，蠢茲壽議片．翁Ｉ转ｉｆ屬；管资藥＾蒙；品禱；：＾許：，義＾＇議．吞ｒ件蒙．＾興０：鬟；襄：．‘？蒂、義兹寒，參；隹義．濟，／，．：誠＜，连：朋、学萨主苗庚ｖ，飘黎＾變藏争芯护．．；Ｖ．．綱．．古混Ｓ白文本的達進孝约信心问．气．．．；平吗，．，．中、議．穀、＃．．京巧ｖ＇養．携遷扣謹拓户Ｖ．建、ｔ？蒼片Ｗ＾義纖魏嚷．ｉ毁戀■鼓层＃ｒ奠节：＾＾．￥＇．．；象；．膜，綠巧等養人來，較访秦於誉海＇．导努讀舊鑛＜弱ｒ．＃．鮮ｆ沫古菲載屬苗ｆ難’％．謀ｓ．＾＃基营悔某，节＇静變ｆ葛；務：譚．：§或．＞．．．霄铺

2、｜＊炉續為户’吗．ｆ導；．群誰硕古．学科姜业ｌ携．；．：段Ｗ如论的端言巧授Ｓ雜东就峽授巧带則记＾＇．‘；？‘＼？：．－屢：屬ＶＪ鏡＾，繁．捆譯＾人議鱗Ｋ奮＼．：／，義，戸满，；謂．ｗ０从作＾大－一：．雨．義變ｉ．蕩Ｗ若娶。学校代码：１０２２５学号：Ｓ１５３７２学化冷文基于高斯混合模型林业信息文本分类的技术研究许莉薇指导教师姓名：陈宇东北林业大学申请学位级别：硕±学科专业：计算机软件与理论：２０巧论文提交日期．４．２０论文答辩日期：２０１５．６．７授予学位单位：１东

3、北林业大学授予学位日期．６．９：２０１５答辩委员会主席；论文评阅人；如、＃４义聲束：ＵｎｉｖｅｒｓｉｔＣｏｄｅ：１０２２５ｙＲｅｇｉｓｔｅｒＣｏｄｅ：Ｓ１５３７２ＤｉｓｓｅｒｔａｔｉｏｎｆｏｒｔｈｅＤｅｇｒｅｅｏｆＭａｓｔｅｒＴｅｃｈｎｏｌｏｒｅｓｅａｒｃｈｏｆｆｏｒｅｓｔｒｉｎｆｏｒｍａｔｉｏｎｔｅｘｔｇｙｙｃｌａｓｓｉｆｉｃａｔｉｏｎｂａｓｅｄｏｎＧａｕｓｓｍｉｘｔｕｒｅｍｏｄｅｌＣａｎｄｉｄａｔｅ：ＸｕＬｉｗｅｉＳｕｅｒｖｉｓｏｒ：ＡｓｓｏｃｉａｔｅＰｒｏｆ．ＣｈｅｎＹｕ

4、ｐＡｓｓｏｃｉａｔｅＳｕｅｒｖｉｓｏｒ：ｐＡｃａｄｅｍｉｃＤｅｒｅｅＡｌｉｅｄｆｏｒ：ＭａｓｔｅｒｇｐｐＳｅｃｉａｌｉｔ：ＣｏｍｕｔｅｒＳｏｆｔｗａｒｅａｎｄＴｈｅｏｒｐｙｐｙＤａｔｅｏｆＯｒａｌＥｘａｍｉｎａｔｉｏｎ：Ｊｕｎｅ２０１５，Ｕｎｉｖｅｒｓｉｔｙ：Ｎｏｒｔｈｅａ巧ＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉ巧摘要摘要林业信息文本分类是根据建立好的分类器，让计算机对给定的林业信息文本集进行分类的过程具有理论和实用巧重价值。本文详细介绍了林业信息文本特征提取的过程，利用构造的特征矩阵进行林业信息文本分

5、类，详细分析了离斯混合模型和基于修正加权。高斯牛顿的神经网络算法的原理，为林业信息文本的分类提供了新思路本文研究主要结论：０）本文将高斯混合模型算法引入林业信息文本分类研究中。髙斯混合模型的参数估计采用参数估计算法，由于ＥＭ参数估计算法虽然是逐步收敛到最大值，但是巧始值的－ｍｅａｎｓ算法估选择对于ＥＭ算法最终的收敛效果起到很大的影响，所Ｗ本文提出了将Ｋ算的初始结果赋值给ＥＭ参数估计算法，大大提高了ＥＭ算法参数估计的精度。由于－ｍｅａｎｓ算法是聚类算法入构造的高斯混合模型中时Ｋ，林业信息样本的，在初始化值输的要求有一定的限制，所Ｗ此处所做

6、实验选择的类型需要和样本群匹配，所Ｗ对于样本是均衡的林业倩息文本。２本文将基于修正加权高斯牛顿的神经网络算法引入林业信息文本分类研究中，基（）－于修正加权高斯牛顿的神经网络算法（ＲＷＧＮ）是ＢＰ神经网络算法的改进算法，是对。神经网络算法中的训练函数进行参数优化，提高了算法的分类正确率由于该算法是Ｗ神经网络算法为基础所Ｗ算法具有较高的稳定性，适合不均衡林业信息文本的分类，通过实验结果表明，基于加权高斯牛顿的神经网络算法对不均衡林业信息文本的分类获得了较高的准确率。口）将本文的两种算法分别应用在林业信息的均衡与不均衡的样本中。针对算法的化

7、，点选择样本，将提出的算法实验结果与林业信息文本分类的常用算法作对比如：ＢＰ神经网络、ＳＶＭ支持向量机、贝叶斯、决策树算法。实验结果表明高斯混合模型算法适合均衡林业信息的文本分类，基于神经网络的修正加权高斯拟牛顿算法适合不均衡林业信息文本的分类，两种算法都获得了较高的准确率，具有可行巧。－ＧＮ关键词文本分类；可行性；高斯混合模型；民Ｗ－－ＩＡｂｓｔｒａｃｔＡｂｓ＾ａｄＦｏｒｅｓｔｒｎｆｏｒｍａｏｎｘｃｌａｓｓｃａｏｎｉｓｅｓｔａｂｌｓｅｄａｃｃｏｒｄｎｅｃｌａｓｓｉｆｉｅｒｔｔｈｅｙｉｔｉ