基于非负稀疏表示的文本分类算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·研究背景 | 第8-9页 |
| ·研究进展 | 第9-10页 |
| ·本文的工作和意义 | 第10-11页 |
| ·论文的组织结构 | 第11-12页 |
| 2 文本分类概述 | 第12-19页 |
| ·中文文本分类的一般过程 | 第12页 |
| ·中文分词技术 | 第12-13页 |
| ·特征处理和特征表示技术 | 第13-16页 |
| ·维数约简 | 第14页 |
| ·特征加权 | 第14-15页 |
| ·特征表示 | 第15-16页 |
| ·传统基分类器 | 第16-19页 |
| ·SVM(支持向量机) | 第16-17页 |
| ·贝叶斯分类 | 第17页 |
| ·KNN(K-近邻算法) | 第17-18页 |
| ·神经网络算法 | 第18-19页 |
| 3 非负稀疏图的构造 | 第19-27页 |
| ·基于图的分类算法 | 第19-21页 |
| ·稀疏表示理论 | 第21-22页 |
| ·稀疏概率图的构建 | 第22-24页 |
| ·图的构造对比分析 | 第24-27页 |
| 4 非负稀疏的谱聚类算法 | 第27-42页 |
| ·聚类和谱聚类 | 第27-28页 |
| ·非负稀疏的谱聚类算法 | 第28-30页 |
| ·实验结果与分析 | 第30-33页 |
| ·数据集设置 | 第30-31页 |
| ·比对算法 | 第31页 |
| ·实验结果及分析 | 第31-32页 |
| ·参数对实验结果的影响 | 第32-33页 |
| ·基于谱聚类的文本分类 | 第33-42页 |
| ·文本分类体系结构 | 第33-34页 |
| ·文本分类语料库 | 第34-35页 |
| ·评价方法 | 第35-36页 |
| ·文本预处理 | 第36-38页 |
| ·特征选择 | 第38-39页 |
| ·特征表示 | 第39-40页 |
| ·文本聚类 | 第40-42页 |
| 5 非负稀疏的标签繁殖算法 | 第42-54页 |
| ·半监督学习介绍 | 第42页 |
| ·LNP算法 | 第42-43页 |
| ·基于NSR的标签繁殖 | 第43-46页 |
| ·实验及结果分析 | 第46-52页 |
| ·比对算法 | 第46-47页 |
| ·实验结果及分析 | 第47-50页 |
| ·参数对LNP算法的影响 | 第50页 |
| ·稀疏性分析 | 第50-52页 |
| ·基于标签繁殖的文本分类 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 附录A 基于相关熵的非负稀疏表示算法 | 第59-60页 |
| 攻读硕士学位期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-63页 |
