学位论文 > 优秀研究生学位论文题录展示

基于RBF神经网络的网页分类技术研究

作　者: 史国强
导　师: 李村合
学　校: 中国石油大学
专　业: 计算机科学与技术
关键词: MIMLRBF神经网络网页分类不平衡样本集奇异值分解最速下降法
分类号: TP393.092
类　型: 硕士论文
年　份: 2011年
下　载: 58次
引　用: 1次
阅　读: 论文下载

内容摘要

随着Internet的普及,网络已经成为人们获取信息的主要途径,为了帮助人们从海量网页中获取有用的信息,网页自动分类技术应运而生,其可以快速有效地分析和组织海量网页信息,它是利用机器学习的方法对网页实现自动类别标注。在众多网页分类算法中,RBF神经网络因其出色的分类能力,成为机器学习的研究热点。介绍了网页分类的流程,分析了RBF神经网络技术发展、原理和相关技术,讨论了RBF神经网络在网页分类中的重要作用。阐述了目前RBF神经网络常用训练算法,研究了在多实例多标签框架下发展而来的MIMLRBF神经网络模型。针对MIMLRBF在不平衡样本下分类效果差的问题,提出了改进的训练算法,考虑了样本的整体分布情况,使各类上产生的隐含层神经元趋于平衡,减少了不平衡样本对网络模型的影响。针对SVD方法在含有噪声数据的样本集上会导致网络整体误差变大的问题,提出了基于最速下降法优化的权重训练算法,使用SVD方法初始化权值矩阵,采用最速下降法优化权值矩阵,并利用新权值矩阵的误差平方和函数计算学习率矩阵,提高了MIMLRBF神经网络在含有噪声数据的样本集上的分类精度。最后,将改进后的训练算法应用到网页分类系统中,并对改进算法进行了实验对比和性能分析。实验数据表明,本文算法具有更高的分类效率和准确率。

全文目录

摘要  4-5
Abstract  5-8
第一章前言  8-14
  1.1 课题背景与意义  8
  1.2 国内外研究现状  8-12
  1.3 论文研究内容  12
  1.4 论文组织结构  12-14
第二章网页分类技术综述  14-25
  2.1 网页分类简介  14-21
    2.1.1 网页信息抽取  15-16
    2.1.2 分词技术简介  16-17
    2.1.3 特征选取技术  17-18
    2.1.4 网页向量表示  18-19
    2.1.5 常用网页分类算法  19-21
  2.2 RBF 神经网络  21-22
  2.3 MIMLRBF 神经网络  22-24
  2.4 本章小结  24-25
第三章不平衡样本下MIMLRBF 神经网络改进算法  25-33
  3.1 k-MEDOIDS 算法  25
  3.2 Hausdorff 距离  25-26
  3.3 MIMLRBF 训练算法  26-28
  3.4 改进的MIMLRBF 训练算法  28-29
  3.5 实验与讨论  29-32
    3.5.1 实验设计  29-30
    3.5.2 实验结果  30-32
  3.6 本章小结  32-33
第四章基于最速下降法的权重优化算法  33-42
  4.1 SVD 方法  33-34
  4.2 最速下降法  34-36
  4.3 SVD 方法分析  36-37
  4.4 基于SD 方法的权重优化算法  37-38
  4.5 实验与讨论  38-40
    4.5.1 实验设计  38-39
    4.5.2 实验结果  39-40
  4.6 本章小结  40-42
第五章网页分类实验系统设计  42-53
  5.1 实验环境设定  42
  5.2 实验系统结构设计  42-48
    5.2.1 预处理模块  43-46
    5.2.2 训练模块  46-47
    5.2.3 分类模块  47-48
  5.3 运行结果及分析  48-52
    5.3.1 系统运行  48-51
    5.3.2 运行结果分析  51-52
  5.4 本章小结  52-53
总结  53-55
  主要工作  53
  主要创新点  53-54
  存在的问题及未来的方向  54-55
参考文献  55-59
致谢  59

基于RBF神经网络的网页分类技术研究

内容摘要

全文目录

相似论文