基于超球覆蓋仿生模式識(shí)別的文本分類算法研究.pdf

1、2006年Google首席執(zhí)行官Eric Schmidt首次提出了“云計(jì)算”的概念，現(xiàn)在它已成為國際IT業(yè)中的重要增長點(diǎn)。云計(jì)算時(shí)代的到來，使得各種類型的互聯(lián)網(wǎng)應(yīng)用層出不窮，各類數(shù)據(jù)呈爆炸式的增長，對(duì)于存儲(chǔ)在云數(shù)據(jù)庫中的海量文本數(shù)據(jù)而言，用戶如何快速有效地獲取、管理和使用這些文本數(shù)據(jù)，已經(jīng)成為信息科學(xué)迫切需要解決的問題，其中使用文本分類是有效的文本數(shù)據(jù)處理方法。
　　 在文本分類系統(tǒng)中分類器的構(gòu)造是極其重要的，傳統(tǒng)的文本分類算法

2、或傳統(tǒng)的模式識(shí)別都是基于最佳劃分的，而仿生模式識(shí)別(Bionic Pattern Recognition，BPR)強(qiáng)調(diào)的是對(duì)事物的“認(rèn)識(shí)”而非“區(qū)分”，更符合人類認(rèn)識(shí)世界的本質(zhì)。中科院王守覺院士提出了的仿生模式識(shí)別的數(shù)學(xué)實(shí)現(xiàn)方法，即通過對(duì)特征空間中的樣本采用高維空間復(fù)雜幾何形體進(jìn)行覆蓋，實(shí)現(xiàn)模式識(shí)別。仿生模式識(shí)別在語音識(shí)別、人臉識(shí)別、地面實(shí)物識(shí)別方面都得到了很好的識(shí)別效果。實(shí)踐表明仿生模式識(shí)別方法有許多優(yōu)點(diǎn)，能夠有效地降低識(shí)別的錯(cuò)誤率，

3、識(shí)別效率優(yōu)于傳統(tǒng)的模式識(shí)別方法。
　　 本文以此為出發(fā)點(diǎn)，首先介紹了文本分類的基本概念和關(guān)鍵技術(shù)，然后研究了仿生模式識(shí)別的理論基礎(chǔ)及其神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)，又從幾何理論的角度提出了本實(shí)驗(yàn)室的一種用超橢球作為高維空間同源類模板的仿生模式識(shí)別算法。接著又在此基礎(chǔ)上，針對(duì)文本特征空間的高維性和表示向量的稀疏性提出了一種改進(jìn)的基于超球覆蓋的仿生模式識(shí)別新算法。該算法能靈活地覆蓋特征空間中的樣本點(diǎn)，有效地克服了文本特征的稀疏性。實(shí)驗(yàn)結(jié)果表明，