基于遗传算法的文本分类及聚类研究pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
下载压缩包 [复制下载地址] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页

基于遗传算法的文本分类及聚类研究PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　绪论 1

1.1　研究的目的和意义 1

1.2　国内外研究现状 5

1.3　文本分类和聚类存在的问题 7

1.4　本书研究内容和目标 10

参考文献 12

第2章　文本分类和聚类的基本理论及方法 14

2.1　文本分类和聚类的概念 14

2.2　文本的表示 18

2.3　文本预处理 27

2.4　文本特征选择和抽取 34

2.5　文本分类方法 46

2.6　文本聚类方法 55

2.7　本章小结 63

参考文献 64

第3章　遗传算法基础知识 68

3.1　遗传算法概述 69

3.2　标准遗传算法 80

3.3　遗传算法染色体编码 83

3.4　适应度函数 91

3.5　遗传算子 98

3.6　遗传算法的改进 107

3.7　本章小结 119

参考文献 120

第4章　混合并行遗传算法及其在文本聚类中的应用 121

4.1　k-means算法初始聚类中心的选择 121

4.2　混合并行遗传算法 123

4.3　基于并行遗传算法的文本特征词提取 141

4.4 基于混合并行遗传算法的文本聚类 145

4.5　实验设置及结果分析 146

4.6　本章小结 154

参考文献 154

第5章　混合并行遗传算法在文本分类中的应用 156

5.1　基于混合并行遗传算法的潜在语义挖掘 156

5.2　基于混合并行遗传聚类的KNN改进算法（HPGA-KNN） 162

5.3 SMO-SVM算法 164

5.4　SMO-SVM算法核函数参数优化 166

5.5 改进的KNN-SVM文本分类方法 167

5.6　实验设置及分析 169

5.7　本章小结 172

参考文献 173

第6章　总结和研究展望 174

6.1　总结 174

6.2　后续研究工作展望 175

附录A　k-means聚类算法关键代码 176

附录B　遗传算法聚类关键代码 186

附录C　混合遗传聚类关键代码 204