《基于支持向量机的聚类及文本分类关键技术研究》在国内外已有相关工作成果的基础上，研究了以支持向量机理论为基础的聚类分析方法及文本分类中的关键技术，内容涉及模型基本原理、参数分析、数据预处理、聚类分析关键问题与改进及文本表示策略等，旨在系统地总结作者近年来在该领域的研究工作，并帮助读者快速了解影响支持向量聚类和分类器的关键因素及发挥优势、规避局限的分析方法和改进思路。全书共分为6章，第1章为绪论；第2章介绍支持向量机理论基础，并重点总结和分析了支持向量机分类机、聚类器及回归机的研究现状；第3章先给出了噪声数据定义及其消除算法，后引入簇原型思想建立了双质心支持向量聚类算法；第4章进一步分析了原型对簇标定的影响，论证了在特征空间对数据集进行凸分解的可行性及分解后影响簇连接性判断准确率的原因，并提出了基于凸分解的簇标定算法；第5章提出了直接用簇边界样本构造支持函数的快速支持向量聚类算法，并通过文本聚类和P2P流量分析实验验证了算法的有效性；第6章通过对最大间隔原理、结构化风险与数据集可分性的关系和文本表示关键问题的分析，以丰富文本向量所携带信息量为目的，从多个角度提出了对基于支持向量机的文本分类性能提升方案。最后为全书总结和在本领域进一步研究的建议。 《基于支持向量机的聚类及文本分类关键技术研究》可供从事机器学习、文本分类相关理论及应用研究，尤其对支持向量机相关研究感兴趣的科研、教学和工程技术人员参考。
基于支持向量机的聚类及文本分类关键技术研究 EPUB, PDF, TXT, AZW3, MOBI, FB2, DjVu, Kindle电子书免费下载。