超文本的集成分类算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-17页 |
| ·论文选题目的与研究意义 | 第12页 |
| ·国内外研究现状 | 第12-15页 |
| ·文本分类 | 第12-13页 |
| ·超文本分类 | 第13-14页 |
| ·Rainbow 分类系统 | 第14-15页 |
| ·本文的研究工作 | 第15页 |
| ·本文的组织结构 | 第15-17页 |
| 第2章 文本分类研究概述 | 第17-27页 |
| ·文本分类简介 | 第17页 |
| ·超文本分类方法 | 第17-18页 |
| ·纯文本分类 | 第17页 |
| ·超文本结构信息分类 | 第17页 |
| ·结合超链接的挖掘 | 第17-18页 |
| ·综合分类 | 第18页 |
| ·文本文档的表达形式 | 第18-19页 |
| ·词袋 | 第18页 |
| ·词频矩阵 | 第18页 |
| ·空间向量模型 | 第18-19页 |
| ·文本分类的基本步骤 | 第19-20页 |
| ·常见的分类算法 | 第20-25页 |
| ·决策树 | 第20-21页 |
| ·KNN 算法 | 第21-22页 |
| ·Na?ve Bayes 算法 | 第22-23页 |
| ·支持向量机 | 第23-24页 |
| ·TFIDF 算法 | 第24-25页 |
| ·Boosting 方法 | 第25页 |
| ·分类算法的性能评价指标 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 文本文档信息处理方法 | 第27-32页 |
| ·文本预处理 | 第27-28页 |
| ·分词 | 第27页 |
| ·词干抽取 | 第27-28页 |
| ·去停用词 | 第28页 |
| ·文本特征选择 | 第28-31页 |
| ·文档频率 | 第29页 |
| ·信息增益 | 第29-30页 |
| ·互信息 | 第30页 |
| ·CHI 统计 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 一种基于贝叶斯的集成分类算法 | 第32-47页 |
| ·引言 | 第32页 |
| ·贝叶斯算法 | 第32-36页 |
| ·基本原理 | 第32-34页 |
| ·朴素贝叶斯 | 第34-35页 |
| ·树增广朴素贝叶斯（Tan） | 第35-36页 |
| ·基于Bayes 的集成分类算法(ECB) | 第36-38页 |
| ·ECB 模型 | 第36-37页 |
| ·ECB 模型构建步骤 | 第37-38页 |
| ·实验 | 第38-39页 |
| ·数据集 | 第38页 |
| ·性能评价 | 第38-39页 |
| ·实验结果 | 第39-46页 |
| ·Newsgroups dataset | 第39-43页 |
| ·mini-newsgroups | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 一种利用超文本元信息的集成分类方法 | 第47-55页 |
| ·引言 | 第47页 |
| ·相关知识 | 第47-49页 |
| ·超文本信息的规则 | 第47-48页 |
| ·超文本分类算法研究 | 第48-49页 |
| ·一种利用超文本元信息的集成分类方法 | 第49-51页 |
| ·超文本分类模型 | 第49页 |
| ·超文本元信息的集成分类方法（EHC） | 第49-51页 |
| ·实验与结果 | 第51-54页 |
| ·数据集 | 第51页 |
| ·实验和结果 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |
