設(shè)計(jì)與實(shí)現(xiàn)基于支持向量機(jī)的水電故障分類器

【摘要】： 隨著通信技術(shù)、計(jì)算機(jī)技術(shù)尤其是Internet技術(shù)高速發(fā)展的今天,對(duì)于網(wǎng)絡(luò)上海量信息的處理,傳統(tǒng)的人工分類整理方式已不合時(shí)宜,因而更有效的文本分類方法應(yīng)運(yùn)而生。文本分類對(duì)于提高網(wǎng)上信息檢索的效果和效率很有幫助,是推進(jìn)個(gè)性化服務(wù),改進(jìn)信息獲取模式的重要方面,也是內(nèi)容安全的基礎(chǔ)。而將統(tǒng)計(jì)學(xué)習(xí)理論中的支持向量機(jī)方法來進(jìn)行文本分類的優(yōu)化并將其應(yīng)用與水電故障文本分類中具有重要的現(xiàn)實(shí)意義。 本文首先介紹了文本分類領(lǐng)域的相關(guān)技術(shù),利用向量空間模型以及中文分詞技術(shù)并根據(jù)TF-IDF權(quán)值算法將文本描述為以詞為單位的加權(quán)向量形式。然后,針對(duì)文本的向量形式描述,采用支持向量機(jī)技術(shù)進(jìn)行文本分類。設(shè)計(jì)了一個(gè)中文文本分類器,利用ICTCLAS分詞可將大量文本進(jìn)行切詞劃分,從而達(dá)到分類的目的,并介紹了其算法。 介紹了統(tǒng)計(jì)學(xué)習(xí)理論以及支持向量機(jī)的相關(guān)技術(shù),闡述了支持向量機(jī)研究和應(yīng)用現(xiàn)狀,以及所面臨的問題,特別針對(duì)支持向量機(jī)的核函數(shù)的選擇進(jìn)行了詳細(xì)研究比較,詳細(xì)分析了針對(duì)多分類的支持向量機(jī)算法,并將多分類支持向量機(jī)方法應(yīng)用于文本分類。 最后本文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于支持向量機(jī)的水電故障文本分類器,該分類器的查準(zhǔn)率和查全率等評(píng)價(jià)指標(biāo)均達(dá)到應(yīng)用要求,通過將其應(yīng)用于水電故障的文本分類領(lǐng)域具有良好的前景,而且可以預(yù)見其在其他相關(guān)領(lǐng)域也會(huì)有很大的應(yīng)用空間。 【關(guān)鍵詞】：文本分類 支持向量機(jī) 向量空間模型 水電故障分類 核函數(shù)
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2008
【分類號(hào)】：TV738;TP18
【目錄】：

• 內(nèi)容提要4-7
• 第一章 緒論7-11
• 1.1 課題研究的目的與意義7-8
• 1.1.1 課題目的7
• 1.1.2 課題意義7-8
• 1.2 文本挖掘的研究現(xiàn)狀8
• 1.3 支持向量機(jī)的研究現(xiàn)狀8-9
• 1.4 本文組織結(jié)構(gòu)9-11
• 第二章 本文分類技術(shù)11-23
• 2.1 文本分類概念11-12
• 2.2 文本分類的過程12-16
• 2.2.1 文本的表示12
• 2.2.2 向量空間模型12-13
• 2.2.3 特征項(xiàng)的提取13-16
• 2.3 文本分類的性能評(píng)估16-18
• 2.4 文本分類算法18-23
• 2.4.1 樸素貝葉斯分類19-20
• 2.4.2 最近鄰KNN算法20-21
• 2.4.3 決策樹21
• 2.4.4 支持向量機(jī)21-22
• 2.4.5 基于投票的方法22-23
• 第三章 中文文本分類器的設(shè)計(jì)23-30
• 3.1 水電故障分類器的需求分析23
• 3.1.1 業(yè)務(wù)分析23
• 3.2 設(shè)計(jì)思想23-24
• 3.3 基于支持向量機(jī)的中文文本分類器的總體設(shè)計(jì)24-25
• 3.4 中文文本分詞技術(shù)25-28
• 3.4.1 中文分詞的必要性25-26
• 3.4.2 中文分詞技術(shù)26-27
• 3.4.3 ICTCLAS分詞27-28
• 3.5 文本的特征向量化算法28-29
• 3.6 中文文本分類其算法實(shí)現(xiàn)29-30
• 第四章 統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)30-41
• 4.1 機(jī)器學(xué)習(xí)的基本方法30-31
• 4.1.1 問題的一般表示30
• 4.1.2 經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化30-31
• 4.2 統(tǒng)計(jì)學(xué)習(xí)理論31-33
• 4.2.1 VC維31-32
• 4.2.2 結(jié)構(gòu)風(fēng)險(xiǎn)最小化32-33
• 4.3 支持向量機(jī)33-37
• 4.3.1 最優(yōu)超平面33-35
• 4.3.2 線性支持向量機(jī)35-36
• 4.3.3 非線性支持向量機(jī)36-37
• 4.4 核函數(shù)理論37-39
• 4.5 多分類支持向量機(jī)39-41
• 4.5.1 一對(duì)一SVM分類39-40
• 4.5.2 一對(duì)多SVM分類40-41
• 第五章 基于支持向量機(jī)的水電故障分類器的實(shí)現(xiàn)41-48
• 5.1 實(shí)驗(yàn)環(huán)境搭建41-42
• 5.1.1 實(shí)現(xiàn)環(huán)境41-42
• 5.1.2 文本數(shù)據(jù)來源42
• 5.2 分類結(jié)果評(píng)價(jià)42-43
• 5.3 水電故障文本分類器的實(shí)現(xiàn)43-48
• 第六章 總結(jié)與展望48-49
• 6.1 本文工作總結(jié)48
• 6.2 下一步工作展望48-49
• 參考文獻(xiàn)49-51
• 摘要51-53
• ABSTRACT53-57
• 致謝57

您可以在本站搜索以下學(xué)術(shù)論文文獻(xiàn)來了解更多相關(guān)內(nèi)容

基于領(lǐng)域知識(shí)的文本分類    朱靖波,陳文亮

基于VSM的中文文本分類系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)    張東禮,汪東升,鄭緯民

多子群粒子群集成神經(jīng)網(wǎng)絡(luò)    潘希姣;

基于最大似然法集成的黃曲條跳甲預(yù)警模型    李亭;楊敬鋒;彭曉琴;陳志民;

集成學(xué)習(xí)技術(shù)在農(nóng)業(yè)中的應(yīng)用    時(shí)雷;虎曉紅;席磊;段其國(guó);

基于支持向量機(jī)的農(nóng)業(yè)數(shù)據(jù)分類研究    時(shí)雷;席磊;虎曉紅;段其國(guó);

基于Naive Bayes算法的大豆病害診斷研究    時(shí)雷;虎曉紅;席磊;

帶專業(yè)詞庫(kù)的特征選擇    劉曉志;黃厚寬;尚文倩;

基于兩階段集成學(xué)習(xí)的分類器集成    李文斌;劉椿年;鐘寧;

一種基于集成學(xué)習(xí)與類指示器的文本分類方法    蔣宗禮;徐學(xué)可;

基于隨機(jī)森林算法的高維腦電特征優(yōu)選    李飛;高小榕;高上凱;

基于K-最近距離的自動(dòng)文本分類的研究    孫健,王偉,鐘義信

一種混合型集成學(xué)習(xí)演化決策樹算法    葉紅云;倪志偉;陳恩紅;

K均值聚類優(yōu)化集成學(xué)習(xí)    杜方鍵;楊宏暉;

FloatBag選擇性神經(jīng)網(wǎng)絡(luò)集成及其在人臉檢測(cè)中的應(yīng)用    杜曉鳳;丁友東;

一種電子郵件敏感信息檢測(cè)算法    劉子豪;莊毅;

分詞結(jié)果的再搭配對(duì)文本分類效果的增強(qiáng)    侯松;周斌;賈焰;

一種基于元泛化的Bagged Boosting算法    陳華杰;韋巍;

基于中心詞位置的VSM文本分類算法    李衛(wèi)東;楊炳儒;李龍星;曲文龍;

Adaptive multi-LSSVR based soft sensing for cobalt oxalate synthesis process    

Multiple ANNs Combined Scheme for Fault Diagnosis of Power Transformers    

蟻群算法及粒子群算法對(duì)比及在VRP中的應(yīng)用    師凱;蔡延光;鄒谷山;王濤;

基于DNA微陣列數(shù)據(jù)的癌癥分類技術(shù)研究    于化龍

B2C在線評(píng)論中的客戶知識(shí)管理研究    鄧斌

基于SCF范式的在線P300腦機(jī)接口研究    蘇煜

文檔碎片取證關(guān)鍵技術(shù)研究    李炳龍

復(fù)雜網(wǎng)絡(luò)系統(tǒng)間相似性識(shí)別及其應(yīng)用    杜方

核學(xué)習(xí)算法與集成方法研究    甘良志

Deep Web數(shù)據(jù)獲取問題研究    閆中敏

高光譜圖像分類方法研究    陳進(jìn)

文本挖掘技術(shù)研究及其在綜合風(fēng)險(xiǎn)信息網(wǎng)絡(luò)中的應(yīng)用    張翔

入侵檢測(cè)分類器設(shè)計(jì)及其融合技術(shù)研究    王飛

Deep Web數(shù)據(jù)庫(kù)的選擇研究    樊敬川

地理案例的空間相似性計(jì)算    王麗敬

集成學(xué)習(xí)算法研究    馬冉冉

中文文本分類技術(shù)研究    呂萬里

支持向量機(jī)在沖擊地壓預(yù)測(cè)模型中的應(yīng)用研究    朱耿峰

基于規(guī)則的組合分類器的研究    石國(guó)強(qiáng)

利用PCA和AdaBoost建立基于貝葉斯的組合分類器    陳松峰

特征變換在組合分類中的應(yīng)用研究    吳正娟

基于支持向量機(jī)的特征選擇及其集成方法的研究    曹彥

數(shù)據(jù)流上概念漂移的檢測(cè)和分類    周馳

文本內(nèi)容主題的識(shí)別方法    朱靖波,姚天順

基于向量空間模型的文本自動(dòng)分類系統(tǒng)的研究與實(shí)現(xiàn)    龐劍鋒,卜東波,白碩

文檔中詞語權(quán)重計(jì)算方法的改進(jìn)    魯松,李曉黎,白碩,王實(shí)

網(wǎng)絡(luò)文本數(shù)據(jù)分類技術(shù)與實(shí)現(xiàn)算法    李勇,桑艷艷

基于SVM的中文文本分類算法    冀勝利;李波;

一種動(dòng)態(tài)調(diào)整訓(xùn)練集的中文文本分類系統(tǒng)    歐陽勇;馬忠寶;

一種基于正例的SVM分類方法    張偉;鄒漢斌;雷紅艷;劉瓊;

基于特征貢獻(xiàn)度的特征選擇方法在文本分類中應(yīng)用    孟佳娜;林鴻飛;李彥鵬;

一種文本多級(jí)分類方法研究    肖紅;劉淑華;

使用增量SVM進(jìn)行文本分類    張永;周振龍;侯莉莉;張世宏;

基于位置權(quán)重的文本分類    臺(tái)德藝;謝飛;胡學(xué)鋼;

基于模式聚合理論的文本特征降維方法及其在文本分類中的應(yīng)用    李冠軍;陳雪松;徐建鎖;

基于樸素貝葉斯和支持向量機(jī)的短信智能分析系統(tǒng)設(shè)計(jì)    張兢;候旭東;呂和勝;

基于VSM的中文文本分類系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)    張東禮,汪東升,鄭緯民

基于支持向量機(jī)的Web文本分類方法    牛強(qiáng);王志曉;陳岱;夏士雄;

面向支持向量機(jī)的降維方法比較分析    朱慕華;朱靖波;陳文亮;

一種基于支持向量機(jī)的多國(guó)語言文本分類平臺(tái)    盧衛(wèi)雄;

基于抽樣的兩階段支持向量機(jī)訓(xùn)練算法    曹菲菲;朱慕華;朱靖波;

基于GA與SVM融合的網(wǎng)頁分類算法    劉曉勇;

模糊聚類的最大樹法在文本分類中的應(yīng)用研究    杜長(zhǎng)海;吉根林;

反饋方法在文本分類系統(tǒng)中的應(yīng)用    龐劍鋒;程學(xué)旗;

一種增量式支持向量機(jī)文本分類模型    欒江;唐常杰;黃曉冬;陰小雄;廖勇;

漢語文本按語體分類的研究    王慧玲;宋柔;戴偉長(zhǎng);

基于大規(guī)模真實(shí)文本的平衡語料分析與文本分類方法    陳克利;宗成慶;王霞;

內(nèi)容為王    中國(guó)科學(xué)院計(jì)算技術(shù)研究所 王 斌

尋“寶”有術(shù)    清華大學(xué)計(jì)算機(jī)系智能技術(shù)與系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室 張敏 金奕江

內(nèi)幕交易與市場(chǎng)操縱的行為動(dòng)機(jī)與判別監(jiān)管研究    課題主持人 李心丹　課題協(xié)調(diào)人 上海證券交易所 施東暉 傅浩 課題研究員 宋素榮 查曉磊 賓紅輝 張?jiān)S宏 郭靜靜 黃雋 南京大學(xué)工程管理學(xué)院

計(jì)算機(jī)詳解配伍與藥效關(guān)系    李水根

非接觸式人臉識(shí)別技術(shù)    清華大學(xué) 蘇光大

我市九項(xiàng)目進(jìn)入省“盤子”    YMG記者 李仁　通訊員 曲華明 孫運(yùn)智

傳承陸游風(fēng)骨　推進(jìn)國(guó)際交流    高利華

酷愛化學(xué) 孜孜以求    上海大學(xué)理學(xué)院教授、副院長(zhǎng) 陸文聰

選擇合適的數(shù)據(jù)挖掘算法    

蛋白質(zhì)功能算出來    記者 耿挺

基于支持向量機(jī)的文本分類算法研究    秦玉平

用于文本分類的簡(jiǎn)明語義分析技術(shù)研究    李智星

面向分布式文本知識(shí)管理的中文分詞與文本分類研究    李志國(guó)

文本挖掘預(yù)處理相關(guān)基礎(chǔ)技術(shù)分析與應(yīng)用研究    孫道軍

基于CPFR的農(nóng)產(chǎn)品采購(gòu)模型研究    杜小芳

動(dòng)態(tài)過程數(shù)據(jù)的多變量統(tǒng)計(jì)監(jiān)控方法研究    劉育明

支持向量機(jī)（SVM）和徑向基神經(jīng)網(wǎng)絡(luò)（RBFNN）方法在化學(xué)、環(huán)境化學(xué)和藥物化學(xué)中的應(yīng)用研究    欒鋒

市場(chǎng)條件下抽水蓄能電站效益綜合評(píng)價(jià)及運(yùn)營(yíng)模式研究    孫薇

支持向量機(jī)的核方法及其模型選擇    常群

鋅鋇白回轉(zhuǎn)窯煅燒過程智能建模研究    朱燕飛

設(shè)計(jì)與實(shí)現(xiàn)基于支持向量機(jī)的水電故障分類器    姜仁輝

基于SVM的中文文本分類系統(tǒng)的建模與實(shí)現(xiàn)    馬宏偉

基于Web的中文文本分類的研究與實(shí)現(xiàn)    鄒丹

中文文本自動(dòng)分類的研究與實(shí)現(xiàn)    都云琪

基于支持向量機(jī)的文本分類方法研究    李強(qiáng)

多類文本分類的支持向量機(jī)網(wǎng)絡(luò)    孟祥國(guó)

中文文本分類方法研究    榮光

基于支持向量機(jī)的文本分類研究    王生新

基于內(nèi)容的垃圾郵件過濾技術(shù)研究    楊麗華

短文本分類方法研究    常娟