达观数据：文本大数据的机器学习自动分类方法借鉴.pdf

不同人群对不同种类的花粉存在不同的过敏反应,为此研究用于快速检测空气中花粉粒子及分类的方法。以常见花粉作为研究对象,利用拉曼光谱仪采集42种花粉样品的465条拉曼光谱数据,按照生物学分类划分为科间花粉及属间花粉并对其进行分类预测。将所得光谱数据预处理后,利用主成分分析提取光谱的特征信息,并建立支持向量机识别模型。对于科间花粉的预测结果准确率为97.75%,蔷薇科属间花粉的预测结果准确率为90.47%,说明拉曼光谱分析法对花粉分类鉴别具有可行性。

心电信号的准确判别是实现心电监测系统智能诊断的关键。为提高心电信号的分类精度，研究了一种改进BP神经网络的心电信号分类算法。首先对MIT-BIH Arrhythmia Database样本专家标注心拍进行统计分析，选择正常心拍、室性早搏、左束支传导阻滞心拍和右束支传导阻滞心拍作为神经网络识别目标，采用主成分分析法提取25个心拍特征作为样本向量。仿真结果表明，改进BP神经网络具有较好的分类识别能力，整个样本分类准确率为98.4%。算法收敛速度快，分类精度高，有助于检测和诊断心脏疾病。

主要是讲八种分类技术的核心思想、基本原理、以及这些方法主要的应用领域

高分1号(GF-1)卫星遥感影像已经成为土地利用和覆盖的重要数据源。文中通过对所选样区分别采用最大似然、最小距离、支持向量机等监督分类方法进行分类,并比较它们所得出的分类结果,从而来探讨监督分类方法在原理、技术、步骤及精度等问题方面的差别。

KNN算法是比较适合于文本分类的一种分类算法，但由于其计算复杂度会随着训练集规模的增加而线性增加，从而限制了它的实际应用效果．通过改变对近邻点的搜索策略，提出了一种改进型的KNN算法．该算法在对最近邻的选择过程中，放弃传统算法中遍历所有样本的做法，而是通过逐渐逼近的思想来寻找最近邻点．实验证明，该方法在保持和传统的 KNN算法几乎一样的精度性能前提下，可以明显降低算法的计算复杂度，降低时间开销，取得了较满意的结果．

全卷积神经网络的字符级文本分类方法

基于岩石图像深度学习的岩性自动识别与分类方法.pdf

Recency：理论上，上一次消费时间越近的顾客应该是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。如果我们能让消费者购买，他们就会持续购买。  Frenquency：消费频率是顾客在限定的期间内所购买的次数。我们可以说最常购买的顾客，忠诚度相对高于其它顾客。  Monetary：消费金额的意义不言而喻。

此文档中介绍的基于支持向量机的文本分类方法是网络舆情分析中常用的文本分类