基于K-最近距离的自动文本分类的研究

提出并实现了利用统计词频信息和语言信息相结合的方法选择特征 ,计算特征的权重值时不仅考虑词频 ,还利用了特征的集中度、分散度 .经过训练和统计对每一类文本形成特征的权重向量 ,利用 K-最近距离的方法对测试集进行分类 .对英文文本的测试结果表明 。

文本分类的几种方法研究

经过训练和统计对每一类文本形成特征的权重向量,利用K-最近距离的方法对测试集进行分类.Sleepingexpert算法采用正权重和负权重较好地描述了多义词的特性,该文在原算法中插入了一种权重补偿模块,其目标是实现权重和当前概念的一致性,具有更好的分类性能.

哈萨克语文本分类系统的设计与实现

利用K-最近距离算法对哈萨克语文本进行分类,通过统计词频信息和语言信息相结合的方法选择特征,实现一个哈萨克语文本分类系统。在计算特征权重值时不仅考虑词频,还利用特征的集中度、分散度,经过训练和统计对每一类哈萨克语文本形成特征的权重向量,根据K-最近距离算法判断测试文本的所属类别,实验结果表明该方法可行。

离群数据挖掘在高炉物料消耗数据认证中的应用

物料消耗量是指导高炉生产,计算各项生产指标的重要计量数据。及时核对认证高炉物料消耗数据,将为企业的科学决策提供重要的依据。在分析比较离群数据挖掘算法的基础上,采用k-最近邻距离法,对高炉物料消耗数据进行离群数据挖掘,找到错误数据后,用金属料平衡法对其进行修正,实现高炉物料消耗计量数据的自动认证。基于上述思想所开发的系统,弥补人工认证的缺陷,提高数据的认证效率和准确性。

城市燃气负荷离群数据的挖掘及分析

采用k-最近邻距离法对燃气负荷时序数列进行离群点的数据挖掘,分析了离群点产生的原因。结合实例,采用燃气负荷特征曲线法,对查找出来的离群点进行修正。