微计算机信息
微計算機信息
미계산궤신식
CONTROL & AUTOMATION
2007年
24期
210-212
,共3页
张启蕊%张凌%董守斌%谭景华
張啟蕊%張凌%董守斌%譚景華
장계예%장릉%동수빈%담경화
文本分类%免疫%克隆选择%抗体浓度
文本分類%免疫%剋隆選擇%抗體濃度
문본분류%면역%극륭선택%항체농도
借鉴免疫的生物学机理,本文提出了一种基于抗体浓度的克隆选择算法,该算法中抗体的选择概率由亲和度与浓度共同决定,具有高亲和度和低浓度的抗体才受到促进.该算法在文本分类领域得到了成功应用.在文本分类的应用中,抗原、B细胞和抗体分别对应训练文本、分类器的一个解和分类器的解与训练文本的亲和度,最后训练完成的分类器含有多个记忆细胞,有效保证了解的多样性.在数据集20_newsgroups上的实验结果显示,该方法的综合性能指标F1可迭80.90%,优于Rocchio法与Naive Bayes法.
藉鑒免疫的生物學機理,本文提齣瞭一種基于抗體濃度的剋隆選擇算法,該算法中抗體的選擇概率由親和度與濃度共同決定,具有高親和度和低濃度的抗體纔受到促進.該算法在文本分類領域得到瞭成功應用.在文本分類的應用中,抗原、B細胞和抗體分彆對應訓練文本、分類器的一箇解和分類器的解與訓練文本的親和度,最後訓練完成的分類器含有多箇記憶細胞,有效保證瞭解的多樣性.在數據集20_newsgroups上的實驗結果顯示,該方法的綜閤性能指標F1可迭80.90%,優于Rocchio法與Naive Bayes法.
차감면역적생물학궤리,본문제출료일충기우항체농도적극륭선택산법,해산법중항체적선택개솔유친화도여농도공동결정,구유고친화도화저농도적항체재수도촉진.해산법재문본분류영역득도료성공응용.재문본분류적응용중,항원、B세포화항체분별대응훈련문본、분류기적일개해화분류기적해여훈련문본적친화도,최후훈련완성적분류기함유다개기억세포,유효보증료해적다양성.재수거집20_newsgroups상적실험결과현시,해방법적종합성능지표F1가질80.90%,우우Rocchio법여Naive Bayes법.