基于多隐层极限学习机的文本分类方法
针对正则化极限学习机处理高维文本数据时文本特征表示能力不足的问题,提出了一种基于多隐层极限学习机的文本分类方法. 首先,使用极限学习机自编码器的压缩表示对高维文本数据进行降维处理. 然后,通过多隐层极限学习机的多隐层结构提取出高层文本特征并通过最小二乘的方法对文本数据进行分类. 与多个算法的实验对比表明,该算法在20newsgroup、 Reuters和复旦大学中文语料库这3个数据集上都具有良好的分类性能.
文本分类、高维文本、多隐层极限学习机、极限学习机自编码器、特征映射、神经网络
45
TP 181
国家自然科学基金资助项目61672065
2019-08-30(万方平台首次上网日期,不代表论文的发表时间)
共12页
534-545