基于粗糙集理论与BP神经网络的文本自动分类方法的研究.pdfVIP

第4l卷第3期 山东大学学报(理学版) 2006年6月 Vd．41 No．3 UNIVERSrrY Jun．2006 OFSHANDONG JOURNAL 文章■号：1671-9352(2006}03-(D70-06 基于粗糙集理论和BP神经网络的 文本自动分类方法研究 白如江，王效岳 (山东理工大学图书馆，山东淄博255049) 摘要：结合粗糙集的属性约简和神经网络的分类机理，提出了一种混合算法．首先应用粗糙集理论的属性约简作 为预处理器，把冗余的属性从决策表中删去，然后运用神经网络进行分类．这样可以大大降低向量维数，克服粗糙 集对于决策表噪声比较敏感的缺点．试验结果表明，与朴素贝叶斯、SVM、kNN传统分类方法相比，该方法在保持 分类精度的基础上，分类速度有明显的提高，体现出较好的稳定性和容错性，尤其适用于特征向量多且难以分类 的文本． 关■调：文本分类；粗糙集；神经网络；属性约简；VSM 中圈分类号：TP391 文献标识码：A BP A classifierbasedonthe setsand hybrid rough neuralnetworks BAI andWANG Ru-jiang Xiao·yue 0f of (TheLibraryShandongUniversityTechnology，Zibo255049，SIlumdong，China) classifieris basedonthecombination BPneural docu— Ah血_d：A of蝴set岫andnetwork．Firstly，the hybrid presented vector itreducedthefeaturevector classedthedocu- meritsa糟denoted by 8pacemodel．Secondly byusing呻sets．Finally meritsBPneural resultsshowthatthe iseffectiveljr‰textsclassification，and by network．Experimental al群批RouI扣ANN hasthebetter inclassification andfault-tolemn∞whenwiththetraditionalclassification pedormance precision，stability compared and forthe classificationwith featurevectors． classifiemSVM methods。Bayesian kNN，especiallycomplex problemsmany w0啮：text Key classification；rangh-sets；neuralnetwork；attributereducti