网络安全技术与应用
網絡安全技術與應用
망락안전기술여응용
NETWORK SECURITY TECHNOLOGIES & APPLICATION
2012年
3期
42-43
,共2页
BP神经网络%Adaboost算法%文本分类
BP神經網絡%Adaboost算法%文本分類
BP신경망락%Adaboost산법%문본분류
BP neural network%Adaboost%text categorization
本文针对单个BP神经网络在文本分类中准确率较低的问题,通过级联多个BP神经网络,利用Adaboost算法调整各个BP弱分类器的权值,从而获得了一个稳定、高效的BP_Adaboost强分类器。实验结果现实：BP_Adaboost文本分类准确率比BP神经网络提高了9.09%。
本文針對單箇BP神經網絡在文本分類中準確率較低的問題,通過級聯多箇BP神經網絡,利用Adaboost算法調整各箇BP弱分類器的權值,從而穫得瞭一箇穩定、高效的BP_Adaboost彊分類器。實驗結果現實：BP_Adaboost文本分類準確率比BP神經網絡提高瞭9.09%。
본문침대단개BP신경망락재문본분류중준학솔교저적문제,통과급련다개BP신경망락,이용Adaboost산법조정각개BP약분류기적권치,종이획득료일개은정、고효적BP_Adaboost강분류기。실험결과현실：BP_Adaboost문본분류준학솔비BP신경망락제고료9.09%。
Contraposing the lower text classification accuracy by BP neural network,use the Adaboost algorithm to adjust the weights of the BP classifier to obtain a stable,the efficient a strong classifier.The experimental results： BP_Adaboost text classification accuracy increased by 9.09 percent than the BP neural network.
