计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2011年
19期
177-178,182
,共3页
可扩展标记语言%分类%极限学习机%结构链接向量模型%投票机制
可擴展標記語言%分類%極限學習機%結構鏈接嚮量模型%投票機製
가확전표기어언%분류%겁한학습궤%결구련접향량모형%투표궤제
研究基于极限学习机(ELM)的XML文档分类方法.为优化文档的相似性计算,在结构链接向量模型的基础上,提出一种改进的特征向量模型RS-VSM,将有效的结构化信息合并到向量模型中.应用ELM对XML文档进行分类,为提高ELM分类的准确率,提出一种基于投票机制的Voting-ELM算法.实验结果证明,该算法的分类效果较优.
研究基于極限學習機(ELM)的XML文檔分類方法.為優化文檔的相似性計算,在結構鏈接嚮量模型的基礎上,提齣一種改進的特徵嚮量模型RS-VSM,將有效的結構化信息閤併到嚮量模型中.應用ELM對XML文檔進行分類,為提高ELM分類的準確率,提齣一種基于投票機製的Voting-ELM算法.實驗結果證明,該算法的分類效果較優.
연구기우겁한학습궤(ELM)적XML문당분류방법.위우화문당적상사성계산,재결구련접향량모형적기출상,제출일충개진적특정향량모형RS-VSM,장유효적결구화신식합병도향량모형중.응용ELM대XML문당진행분류,위제고ELM분류적준학솔,제출일충기우투표궤제적Voting-ELM산법.실험결과증명,해산법적분류효과교우.
