英文文本自动分类系统研究与算法改进
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-13页 |
| ·论文研究背景和意义 | 第7-8页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9-10页 |
| ·研究内容 | 第10-11页 |
| ·论文组织 | 第11-13页 |
| 2 文本自动分类技术概述 | 第13-23页 |
| ·文本自动分类的基本概念 | 第13-14页 |
| ·文本自动分类的发展历程 | 第14页 |
| ·文本自动分类的一般过程 | 第14-21页 |
| ·文本预处理 | 第15页 |
| ·文本表示 | 第15-17页 |
| ·特征值提取 | 第17-19页 |
| ·权重计算 | 第19-20页 |
| ·分类算法 | 第20-21页 |
| ·评价方法 | 第21页 |
| ·本章小结 | 第21-23页 |
| 3 特征值提取算法的改进 | 第23-30页 |
| ·概率启发式规则 | 第23-25页 |
| ·词频启发式规则 | 第23-24页 |
| ·集中度启发式规则 | 第24页 |
| ·分散度启发式规则 | 第24页 |
| ·概率启发式规则 | 第24-25页 |
| ·语义启发式规则 | 第25-28页 |
| ·同义启发式规则 | 第25-26页 |
| ·同源启发式规则 | 第26页 |
| ·位置启发式规则 | 第26-27页 |
| ·多义启发式规则 | 第27-28页 |
| ·基于多重启发式规则的特征值提取算法 | 第28页 |
| ·本章小结 | 第28-30页 |
| 4 权重计算 TF-IDF 算法的改进 | 第30-35页 |
| ·传统词语权重计算方法的不足 | 第30-32页 |
| ·特征值频率 | 第30页 |
| ·反文档频率 | 第30-31页 |
| ·TF-IDF 方法的不足 | 第31-32页 |
| ·改进的 TF-IDF 计算方法 | 第32-34页 |
| ·特征值的类间离散度 | 第32-33页 |
| ·特征值的不完全分类的词频差异 | 第33页 |
| ·特征值的类内离散度 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 5 KNN 邻近算法的改进 | 第35-42页 |
| ·传统 KNN 邻近算法 | 第35-36页 |
| ·传统 KNN 邻近算法的优缺点 | 第36-37页 |
| ·改进型 KNN 分类算法 | 第37-41页 |
| ·代表样本的概念 | 第37页 |
| ·改进型代表样本生成策略 | 第37-38页 |
| ·改进型训练样本算法实现 | 第38-40页 |
| ·改进的 KNN 邻近算法流程 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 6 实验结果与分析 | 第42-55页 |
| ·特征值提取算法的改进实验与分析 | 第42-43页 |
| ·权重计算 TF-IDF 算法改进的实验与分析 | 第43-52页 |
| ·实验介绍 | 第43-44页 |
| ·实验结果及分析 | 第44-52页 |
| ·KNN 邻近算法的改进实验与分析 | 第52-54页 |
| ·实验介绍 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 7 总结与展望 | 第55-57页 |
| ·总结 | 第55-56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 在读期间公开发表论文（著）及科研情况 | 第62页 |
