基于自主学习的中文文本分类算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-13页 |
| ·课题背景 | 第8页 |
| ·本课题研究的目的及意义 | 第8-9页 |
| ·国内外相关技术发展现状 | 第9-12页 |
| ·文本分类在国内外的研究现状 | 第10页 |
| ·自主学习在国内外的研究现状 | 第10-11页 |
| ·文本分类和自主学习面临的突出的问题 | 第11-12页 |
| ·本文主要研究内容 | 第12-13页 |
| 第2章 文本分类技术 | 第13-27页 |
| ·引言 | 第13页 |
| ·文本分类的基本概念 | 第13-15页 |
| ·文本分类的定义 | 第13-14页 |
| ·文本分类任务的特点 | 第14-15页 |
| ·文本分类涉及的主要技术和方法 | 第15-25页 |
| ·文本表示技术 | 第15-16页 |
| ·文本特征项的权重 | 第16-17页 |
| ·文本的特征选择与特征提取 | 第17-21页 |
| ·文本分类算法 | 第21-25页 |
| ·文本分类系统结构 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 自主学习算法 | 第27-37页 |
| ·引言 | 第27页 |
| ·自主学习的基本概念 | 第27-28页 |
| ·自主学习的定义 | 第27页 |
| ·自主学习的应用 | 第27-28页 |
| ·不同的自主学习算法 | 第28-30页 |
| ·基于样本的不确定性方法 | 第28页 |
| ·询问专家委员会的方法 | 第28-29页 |
| ·版本空间和边缘的方法 | 第29页 |
| ·统计的方法 | 第29-30页 |
| ·基于局部泛化误差模型的自主学习算法 | 第30-36页 |
| ·泛化误差的概念 | 第30-32页 |
| ·局部泛化误差模型-Rsm | 第32-35页 |
| ·样本选择的标准 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于自主学习的文本分类算法 | 第37-46页 |
| ·引言 | 第37页 |
| ·文本分类算法的实现 | 第37-45页 |
| ·文本分类的预处理 | 第37-38页 |
| ·基于向量空间模型的文本表示方法 | 第38-39页 |
| ·基于信息增益的特征选取算法 | 第39页 |
| ·基于LTC的特征权重表示算法 | 第39-41页 |
| ·构建类模型 | 第41-43页 |
| ·基于Rsm算法的RBFNN的分类器 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 文本分类系统实现及实验结果 | 第46-52页 |
| ·引言 | 第46页 |
| ·文本分类的系统结构 | 第46-47页 |
| ·文本分类语料 | 第47页 |
| ·实验环境 | 第47-48页 |
| ·实验方法 | 第48页 |
| ·实验结果 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 攻读学位期间发表的学术论文 | 第58-60页 |
| 致谢 | 第60页 |
