- 1、本文档共64页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
摘
摘 要
I
I
摘 要
数据挖掘的兴起对计算机算法的理论起到了推波助澜的作用,特别是进入新世纪 以来,数据挖掘技术在数据库和数据仓库中发挥的作用,以及在搜索引擎方面的巨大 成功都使得它成为以后计算机研究的一个重要分支。决策树分类算法的发展也在一定 程度上反映了这点。
最早的决策树分类算法是 CLS 方法。继而先后出现了 ID3 算法、改进 ID3 算法的 C4.5 算法、CART 算法、SLIQ 算法和 SPRINT 算法等。这些算法理论的出现和改进不 断丰富着决策树方法。文本分类是 Web 数据挖掘中一项非常重要的任务。文本分类过 程有文本表示、特征提取、构造分类器、规则抽取这几个重要步骤,特征提取和分类 器的构造计算量相对比较大,选取什么方法进行特征提取和用什么方法构造分类器对 整个分类过程效率起到很大影响。
本文首先对几种经典的决策树分类算法进行研究和分析,并比较算法间的差异。 其次对 C4.5 算法进行改进,利用麦克劳林公式进行替换,并对信息增益率的公式进行 化简,得到新的算法公式,此公式不但大大简化了原来复杂的计算公式,而且结果不 会产生偏差。C4.5 算法得以实施的前提是假设属性间是无关联的,相互独立,但从实 际情况看来,这个假设不一定成立,于是引入属性相关性概念和用户兴趣度,分析这 两者对算法的影响。C4.5 算法的一个优点就是可以处理连续值属性,本文在原来基础 上提出一种改进方法,使得处理连续值属性时占用的内存和计算量大大减少,提高了 算法的计算效率。
把改进的 C4.5 算法引进到 Web 文本分类中,使得决策树分类算法的应用得到更 大的推广。分析了特征提取中 χ 2 统计量方法存在的缺点,它不能反映出分词对类别贡 献的正负性。本文在原来基础上作出改进,使得分词对类别的贡献更加清晰,利用改 进的决策树分类算法构造分类器,最后实现规则抽取。把算法简单的应用于某县开发 区 OA 系统的信息采编中,实验数据表明,在一定程度上减轻了信息采编者的工作量。
关键词 数据挖掘;决策树;C4.5 算法;文本分类;特征提取
Abstract
Abstract
PAGE
PAGE IV
Abstract
The development of data mining plays an important role in the theory of computer algorithms. Particularly since the new century began, data mining has played a role on database and data warehouse. The great successes of the search engines make it become part of an important branch of computer research. Development of decision tree classification has reflected this point of view.
The CLS method is the first of decision tree classification algorithm. ID3 algorithm appeared next, and the C4.5 algorithm, an improved ID3 algorithm, CART algorithm, SLIQ algorithm and SPRINT algorithm and so on were proposed. The emergence and even the improvements of these algorithm theories enrich the decision tree method. Text classification is a very important task in Web data mining. The processes of text classification have four important steps: text representation, feature extraction, classifier construction and rule extraction. Feature extraction and classifier construction have large computation. What method selected and used to feature extraction and what method to constru
您可能关注的文档
- 基于网络验证授权的软件加壳技术的研究及其在DRM中的应用计算机软件与理论专业论文.docx
- 基于太阳能发电的超高连体烟囱结构设计研究-结构工程专业论文.docx
- 基于神经网络预测控制的锅炉过热汽温控制研究-控制理论与控制工程专业论文.docx
- 基于特征融合掌纹识别-信号与信息处理专业论文.docx
- 基于纹理特征的图像检索方法研究-计算机软件与理论专业论文.docx
- 基于三维雷达资料的对流初生预警算法-信号与信息处理专业论文.docx
- 基于网格参数化的三维模型Morphing分析-教育学;教育技术学专业论文.docx
- 基于网格参数化的三维模型Morphing研究-教育学;教育技术学专业论文.docx
- 基于预测控制的锌空燃料电池极片生产线控制系统研究-机械工程专业论文.docx
- 基于微波光子学的倍频和变频技术研究-光学工程专业论文.docx
- 第三单元表内乘法(一)单元测试-2023-2024学年苏教版二年级数学上册.docx
- 2024年北京市中考数学利用旋转性质解决几何问题专练.docx
- 2024年山东省济宁市梁山县中考二模语文试题.docx
- 浙江省衢州市兴华中学2023-2024学年下学期八年级 数学期中试卷.docx
- 2024年陕西省初中学业水平考试数学模拟试卷(白卷).docx
- 广东省珠海市斗门区井岸镇新堂小学2023-2024学年五年级下学期期中语文试卷.docx
- 山东省济南市商河县2023-2024学年七年级下学期期中考试数学试题.docx
- 2024年湖南省衡阳市祁东县育贤中学九年级中考模拟数学试卷.docx
- 2024年浙江省温州市瑞安市广场中学初中数学学业水平考试适应性卷一.docx
- 第 三 单 元 小数除法(单元测试)-2023-2024学年五年级上册数学西师大版.docx
文档评论(0)