《表2 不同主题数的分类器的准确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于交叉熵与困惑度的LDA-SVM主题研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

研究中，根据困惑度、以及困惑度与交叉熵相结合的算法，并结合各种分类器进行对比实验，通过仿真来验证该算法的优越性。在进行对比实验时，将降维算法加以统一，LDA主题个数寻优实验选择PCA降维，同样，选择TF-IDF特征向量加权算法；SVM的核函数，选择高斯核函数。定义困惑度计算得到的主题数为Perp＿K，定义困惑度和交叉熵相结合的主题数量为PerpSimla＿K，通过本文提出的交叉熵与困惑度计算公式分别得到最优主题个数，Perp＿K=200，PerpSimla＿K=230。不同主题数的分类器的准确率见表2。