论文部分内容阅读
在文本分类中获得有类别标记训练样本的代价是很高昂的，本文针对这个问题对传统的模糊聚类方法进行改进，提出模糊划分聚类方法FPCM，将聚类的无监督性和样本的先验知识结合起来，通过相似度度量聚类相关文本，取得比较客观的簇和少量标记文本，为监督学习找到分类依据，并结合朴素贝叶斯增量学习方式进行分类器的学习.本文进一步用估计分类误差损失的方法平衡选取候选样本，提高了分类准确率，实现了应用范围更加广泛的无标记文本分类学习模型.