文本分类相关算法的研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·文本分类的概述 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·创新点和主要工作 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第2章 中文文本分类技术 | 第14-21页 |
| ·中文文本分类的整体过程 | 第14-15页 |
| ·文本的预处理 | 第15-16页 |
| ·文本的特征词选择 | 第16页 |
| ·文本的模型表示 | 第16-17页 |
| ·文本分类算法 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 特征词选择算法 | 第21-31页 |
| ·具体的特征选择算法的介绍 | 第21-23页 |
| ·文档频率选择法 | 第21-22页 |
| ·互信息选择法 | 第22页 |
| ·信息增益选择法 | 第22-23页 |
| ·卡方统计值选择法 | 第23页 |
| ·二元正态分离特征词选择法及其改进 | 第23-29页 |
| ·受试者工作特征(ROC)曲线 | 第23-24页 |
| ·二元正态分离法算法原理 | 第24-26页 |
| ·二元正态分离法算法的优点 | 第26-28页 |
| ·二元正态分离算法的改进 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第4章 分类算法 | 第31-43页 |
| ·支持向量机 | 第31-39页 |
| ·最优分类面 | 第31-32页 |
| ·最大间隔分类器 | 第32-34页 |
| ·松弛变量 | 第34-35页 |
| ·核函数和多分类 | 第35-37页 |
| ·粒子群优化算法 | 第37-39页 |
| ·朴素贝叶斯分类器 | 第39-42页 |
| ·贝叶斯原理以及贝叶斯文本分类器 | 第39-40页 |
| ·贝叶斯文本分类器的具体模型 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 实验结果及分析 | 第43-52页 |
| ·实验环境介绍 | 第43页 |
| ·特征词选择算法对比实验 | 第43-45页 |
| ·二元正态分离算法的改进对比实验 | 第45-47页 |
| ·朴素贝叶斯分类方法特征词最优数量分析实验 | 第47-48页 |
| ·支持向量机核函数对比实验 | 第48-49页 |
| ·支持向量机参数寻优实验 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表论文 | 第58-59页 |
| 致谢 | 第59页 |
