AdaBoost.MH 算法 硕士毕业论文_正文.doc

AdaBoost.MH 算法 硕士毕业论文_正文 导读：就爱阅读网友为您分享以下“AdaBoost.MH 算法 硕士毕业论文_正文”的资讯，希望对您有所帮助，感谢您对92的支持! 大连理工大学硕士学位论文 Gale等人提出的分类器是一个特殊的贝叶斯分类器，即单纯贝叶斯分类器。它把分类所基于的状态空间描述成一系列的特征，根据出现在上下文的词来描述词w 的上下文。 单纯贝叶斯假设认为用来刻画事物特征的属性都是条件独立的： P(c|sk)?P({vj|vjinc}|sk})??vjincP(vj|sk) (1.3) 在词义排歧中，单纯贝叶斯假设有两个结论。第一个是上下文中所有结构和词语顺序都可以被忽略。这通常是指一个可有重复的单词集模型。另一个结论是指在可有重复的单词集中出现的词均独立于其它词。 基于信息论的方法 信息论分类方法试图寻找一个单一的上下文特征，它可以可靠地指示出多义词的哪一种词义被使用。为了更好的地应用语料信息，信息的量值需要进行规范化。Brown等人使用了Flip-Flop算法来解决这个问题。算法描述如下： Find random partition P = {P1，P2} of {t1，t2，…，tm} While (improving) do Find partition Q = {Q1，Q2} of {x1，x2，…，xn} that maximizes I（P；Q） Find partition P = {P1，P2} of {t1，t2，…，tm} that maximizes I（P；Q） End. Flip-Flop算法的每一次迭代都必须满足使互信息I（P；Q）单调增加，所以算法的一个很自然的中止条件就是互信息I（P；Q）不再增加或者增加很少。其中P为最初的词义划分，Q为指示器。I（P；Q）为P，Q的互信息。互信息的定义如下： I(X;Y)?p(x,y) p(x)p(y) ??x?Xy?Yp(x,y)log (1.4) 对于计算一个特殊指示器值的最佳划分，Flip-Flop算法是一个有效的线性时间算法，它基于分裂理论（splitting theorem）[8]。对所有可能的