基于Boosting机制的Naive Bayesian文本分类器

Naive Bayesian分类器是一种有效的文本分类方法,但由于具有较强的稳定性,很难通过Boosting机制提高其性能。因此用Naive Bayesian分类器作为Boosting的基分类器需要解决的最大问题,就是如何破坏Naive Bayesian分类器的稳定性。提出了3种破坏Naive Bayesian学习器稳定性的方法。第一种方法改变训练集样本,第二种方法采用随机属性选择社团,第三种方法是在Boosting的每次迭代中利用不同的文本特征提取方法建立不同的特征词集。实验表明,这几种方法各有其优缺点,但都比原有方法准确、高效。     

天气系统的混沌特性

运用非线性动力学工具分析天气系统，着重从数据角度描述天气系统的特性，包括重建系统相空间、计算系统吸引子的维数以及Lyapunov指数，从而论证系统的混沌特性．目的在于以混沌动力学为工具。将天气系统作为非线性动力学系统。从实际的天气数据分析天气系统的特性，从数据的角度论证天气系统的混沌特性，并计算系统的混沌参数．