西安石油大学学报（自然科学版）
西安石油大學學報（自然科學版）
서안석유대학학보（자연과학판）
JOURNAL OF XI'AN SHIYOU UNIVERSITY(NATURAL SCIENCE EDITION)
2009年
6期
77-79
,共3页
文本分类算法%最大熵模型%Boosting算法%稳定性
文本分類算法%最大熵模型%Boosting算法%穩定性
문본분류산법%최대적모형%Boosting산법%은정성
基于最大熵模型的文本分类算法对不同测试文档的训练结果相差较大.利用Boosting机制改进基于最大熵模型的分类算法,以提高该分类算法的稳定性.实验结果表明,该改进方法可以有效改善基于最大熵模型分类算法的稳定性,且分类精度也有一定的提高.
基于最大熵模型的文本分類算法對不同測試文檔的訓練結果相差較大.利用Boosting機製改進基于最大熵模型的分類算法,以提高該分類算法的穩定性.實驗結果錶明,該改進方法可以有效改善基于最大熵模型分類算法的穩定性,且分類精度也有一定的提高.
기우최대적모형적문본분류산법대불동측시문당적훈련결과상차교대.이용Boosting궤제개진기우최대적모형적분류산법,이제고해분류산법적은정성.실험결과표명,해개진방법가이유효개선기우최대적모형분류산법적은정성,차분류정도야유일정적제고.
