检索结果-南通市图书馆

Hierarchical Classification of Chinese Documents Based on N grams

wuhan university Journal of Natural {2.s 2001年第Z1期6卷 416-422页

作者： zhou shui geng 1, guan ji hong 2. he yan xiang 2.1. state key laboratory of software engineering,{2., wuhan 430072. china 2. School of computer science,{2., wuhan 430072. china state key {2. of software engineering Wuhan University Wuhan China School of computer science Wuhan University Wuhan China

We explore the techniques of utilizing N gram information to categorize Chinese text documents hierarchically so that the classifier can shake off the burden of large dictionaries and complex segmentation processing, and subsequently be domain and time independent. A hierarchical Chinese text classifier is implemented. Experimental results show that hierarchically classifying Chinese text documents based N grams can achieve satisfactory performance and outperforms the other traditional Chinese text classifiers.

关键词： Chinese text classification N grams feature selection hierarchical classification

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

Scaling up the DBSCAN Algorithm for Clustering Large Spatial Databases Based on Sampling Technique

引用

wuhan university Journal of Natural {2.s 2001年第Z1期6卷 467-473页

作者： guan ji {2. 1, zhou shui geng 2. Bian Fu ling 3, he yan xiang 1 1. School of computer, wuhan university, wuhan 430072. china 2.state {12. laboratory of software engineering, wuhan university, wuhan 430072. china 3.College of Remote Sensin School of computer Wuhan University Wuhan China state key {2. of software engineering Wuhan University Wuhan China College of Remote Sensing and Information engineering Wuhan University Wuhan China

Clustering, in data mining, is a useful technique for discovering interesting data distributions and patterns in the underlying data, and has many application fields, such as statistical data analysis, pattern recognition, image processing, and etc. We combine sampling technique with DBSCAN algorithm to cluster large spatial databases, and two sampling based DBSCAN (SDBSCAN) algorithms are developed. One algorithm introduces sampling technique inside DBSCAN, and the other uses sampling procedure outside DBSCAN. Experimental results demonstrate that our algorithms are effective and efficient in clustering large scale spatial databases.

关键词： spatial databases data mining clustering sampling DBSCAN algorithm

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：