TY - A2的长诗,费德里科•盟——俄南、AytuğPY - 2018 DA - 2018/07/22 TI -生物医学文本分类基于合奏修剪和优化的主题造型SP - 2497471六世- 2018 AB -文本挖掘是一个重要的研究方向,涉及许多领域,如信息检索、信息抽取、文本分类。在本文中,我们提出一种有效的多分类器方法基于swarm-optimized主题模型的文本分类。潜在狄利克雷分配(LDA)能克服高维度问题的向量空间模型,但确定合适的参数值对LDA的性能至关重要。Swarm-optimized LDA方法估计参数,包括主题的数量和所有其他参数参与LDA。基于多样性相结合的混合合奏修剪方法措施和聚类的目标是获得一个多分类器系统具有高预测性能和更好的多样性。在这个方案中,四种不同的多样性措施(即分歧措施, 问统计、相关系数和合奏的双误测量)分类器相结合。基于组合多样性矩阵,采用了基于群体智能聚类算法进行分区分类器分成许多独立组和一个分类器(预测性能最高的)选择每个集群构建最终的多分类器系统。实验结果基于五个生物医学文本基准进行。swarm-optimized LDA,不同metaheuristic算法(如遗传算法、粒子群优化,萤火虫算法,布谷鸟搜索算法,和蝙蝠算法)。合奏的修剪,五metaheuristic聚类算法评估。实验结果对生物医学文本基准表明swarm-optimized LDA收益率比传统LDA更好的预测性能。此外,提出了多分类器系统优于传统的分类算法,整体学习,合奏修剪方法。SN - 1748 - 670 - 2018/2497471 / 10.1155 x你——https://doi.org/10.1155/2018/2497471——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER