基于分词与BP网络的文本分类
首先下载整个文件，BP文本分类-语义特征提取.rar主要存放了相关的数据集
代码主要包括：
1.特征提取 首先对文本信息进行分词处理，采用基于字符串匹配的方法： 依次截取一到多个词，并与字典库进行匹配。如二狗，如果匹配到字典中有这个词，则将其分为一个词；发现字典中没有与之匹配的，则说明这个不是一个词语，进行顺序操作，
2.得到分词后的文本之后，就是转换成数字编码，因此电脑没办法识别汉字。这一部分叫特征表示，即用数字的方式表示中文文本，采用的方法是基于词带模型的特征表示
3.通过2我们将文本表示成了数字，但是这样的表示通常都是稀疏的，为此我们利用降维方法，消除掉这些冗余特征。
4. 文本分类，采用的就是bp网络（1）如pca的降维数，维数过高，包含冗余数据，过低又会删除掉重要信息。（2）bp网络结构的调整，如隐含层节点数，学习率等
2023-03-06 10:05:56
3.48MB
1
This is MATLAB code of "Matching local self-similarities across images and videos"
2023-03-05 17:40:07
1.08MB
1
本文采用酒店评论数据集进行情感分析，通过机器学习和基于情感词典两种方法进行分析比较。其中，机器学习方法采用了多种算法，有支持向量机、神经网络、朴素贝叶斯以及逻辑回归四种，并比较各分类器的准确率，得到准确率最高的模型。
2023-02-28 12:37:13
4.36MB
1
mask小应用例子。需要预下载coco模型和安装jupyter，相关依赖参考mask rcnn。实现检测人体并进行背景置灰，凸显人物
2023-02-26 17:43:24
28.09MB
1
ffmpeg-master-latest-win64-gpl-shared.zip
2023-02-26 10:59:25
44.21MB
1
Arduino-Temperature-Control-Library-master 库文件
2023-02-25 18:10:34
44KB
1