改进的特征选择算法及其在文本分类中的应用
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 文本分类技术概述 | 第11-16页 |
| 1.1 研究工作的背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文的主要工作与创新 | 第13-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第二章 中文文本分类关键技术研究 | 第16-31页 |
| 2.1 文本预处理 | 第16-17页 |
| 2.1.1 文本内容提取功能 | 第16页 |
| 2.1.2 中文分词功能 | 第16-17页 |
| 2.1.3 中文去停词功能 | 第17页 |
| 2.2 特征选择算法 | 第17-22页 |
| 2.2.1 文档频率算法 | 第18-19页 |
| 2.2.2 信息增益算法 | 第19-20页 |
| 2.2.3 卡方统计算法 | 第20-21页 |
| 2.2.4 互信息法 | 第21-22页 |
| 2.3 特征权值计算算法 | 第22-23页 |
| 2.3.1 BOOL权值法 | 第22页 |
| 2.3.2 绝对词频法 | 第22页 |
| 2.3.3 倒排文档频度法 | 第22-23页 |
| 2.3.4 TF-IDF法 | 第23页 |
| 2.4 分类器算法 | 第23-30页 |
| 2.4.1 分类器时间代价精确分析 | 第24页 |
| 2.4.2 朴素Bayes分类算法 | 第24-26页 |
| 2.4.3 SVM算法 | 第26-27页 |
| 2.4.4 Rocchio算法 | 第27-28页 |
| 2.4.5 kNN算法 | 第28-30页 |
| 2.4.6 分类器算法性能总结 | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 一种改进的特征选择算法 | 第31-41页 |
| 3.1 特征选择算法优化思路分析与总结 | 第31-33页 |
| 3.1.1 特征选择算法优化思路分析 | 第31-32页 |
| 3.1.2 特征选择算法优化算法总结 | 第32-33页 |
| 3.2 改进的特征选择算法 | 第33-40页 |
| 3.2.1 整体式选择方法与区分式选择方法 | 第34页 |
| 3.2.2 一种基于组合的改进特征选择算法思路 | 第34-35页 |
| 3.2.3 实例改进算法的特征集合初选方法 | 第35-36页 |
| 3.2.4 实例改进算法的特征集合终选方法 | 第36-38页 |
| 3.2.5 实例改进算法的计算流程 | 第38-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 中文文本分类系统的工程实现 | 第41-63页 |
| 4.1 中文文本分类系统设计概述 | 第41-45页 |
| 4.1.1 系统架构设计 | 第41-42页 |
| 4.1.2 系统功能设计 | 第42-43页 |
| 4.1.3 系统编译环境 | 第43页 |
| 4.1.4 核心数据结构设计 | 第43-45页 |
| 4.1.5 数据存储与管理设计 | 第45页 |
| 4.2 训练流程实现 | 第45-58页 |
| 4.2.1 文档预处理模块实现 | 第46-49页 |
| 4.2.2 特征选择模块 | 第49-56页 |
| 4.2.3 训练集特征权值计算模块 | 第56-57页 |
| 4.2.4 训练阶段kNN分类器构建模块实现 | 第57-58页 |
| 4.3 分类流程实现 | 第58-62页 |
| 4.3.1 文档预处理模块实现 | 第58页 |
| 4.3.2 特征权值计算模块实现 | 第58-59页 |
| 4.3.3 执行阶段kNN分类器分类模块实现 | 第59-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 实验及结果分析 | 第63-69页 |
| 5.1 实验环境实现 | 第63-64页 |
| 5.1.1 实验软硬件环境 | 第63页 |
| 5.1.2 实验测试代码流程 | 第63-64页 |
| 5.2 实验性能指标选择 | 第64-65页 |
| 5.3 改进选择算法测试 | 第65-67页 |
| 5.3.1 实验步骤说明 | 第65-66页 |
| 5.3.2 实验结果与分析 | 第66-67页 |
| 5.4 进阶测试计划 | 第67-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-72页 |
| 6.1 本文的主要工作 | 第69-70页 |
| 6.2 进一步的工作 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻硕期间取得的研究成果 | 第76页 |
