| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外相关研究概述 | 第11-13页 |
| ·本文的主要工作 | 第13-15页 |
| 第2章 文本分类的主要技术理论 | 第15-26页 |
| ·文本信息的预处理 | 第15页 |
| ·文本表示 | 第15-16页 |
| ·空间降维 | 第16-20页 |
| ·分类方法 | 第20-23页 |
| ·评估方法 | 第23-26页 |
| 第3章 人工神经网络介绍 | 第26-34页 |
| ·人工神经网络定义 | 第26页 |
| ·人工神经网络原理 | 第26-27页 |
| ·人工神经网络模型 | 第27-30页 |
| ·RBF网络 | 第30-33页 |
| ·MATLAB神经网络工具箱简介 | 第33-34页 |
| 第4章 基于RBF网络的中文文本自动分类的设计与实现 | 第34-47页 |
| ·RBF自动分类设计 | 第34-35页 |
| ·RBF自动分类环境 | 第35-36页 |
| ·RBF自动分类的语料库构建 | 第36页 |
| ·RBF自动分类中的文本预处理 | 第36-37页 |
| ·RBF自动分类中的文本特征提取及特征词条编码 | 第37-39页 |
| ·RBF自动分类中的文本编码 | 第39-40页 |
| ·RSF自动分类中的关键性代码例举 | 第40-43页 |
| ·设计 RBF自动分类的训练样本 | 第43页 |
| ·RBF自动分类训练过程 | 第43-44页 |
| ·RBF自动分类测试结果 | 第44-47页 |
| 第5章 结束语 | 第47-49页 |
| 附录 | 第49-66页 |
| 1、全部训练样本集及其对应的输出 | 第49-60页 |
| 2、全部测试样本集及其对应的期望输出 | 第60-63页 |
| 3、测试样本的实际输出、期望输出及其误差(用RBF训练样本，当r=1.4时) | 第63-66页 |
| 参考文献 | 第66-68页 |
| 致谢 | 第68页 |