文本分类算法及其应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 插图索引 | 第8-9页 |
| 第1章 绪论 | 第9-15页 |
| ·信息分类概述 | 第9-11页 |
| ·研究背景 | 第9页 |
| ·研究进展 | 第9-11页 |
| ·Rainbow分类系统 | 第11-13页 |
| ·本文所做的工作 | 第13-15页 |
| 第2章 常用分类算法性能研究 | 第15-26页 |
| ·引言 | 第15页 |
| ·文本分类模型 | 第15-17页 |
| ·几种分类算法的研究 | 第17-21页 |
| ·Naive Bayes算法 | 第17-18页 |
| ·支持向量机 | 第18-20页 |
| ·TFIDF算法 | 第20-21页 |
| ·KNN算法 | 第21页 |
| ·各种算法的性能评价 | 第21-24页 |
| ·小结 | 第24-26页 |
| 第3章 EM_SVM分类算法及其应用 | 第26-35页 |
| ·引言 | 第26页 |
| ·相关工作 | 第26-29页 |
| ·EM算法与EM_NB文本分类 | 第27-28页 |
| ·SVM与文本分类 | 第28页 |
| ·非监督的聚类算法 | 第28-29页 |
| ·EM_SVM分类算法 | 第29-30页 |
| ·实验及分析 | 第30-34页 |
| ·实现EM_SVM分类算法 | 第31-32页 |
| ·实验结果与讨论: | 第32-34页 |
| ·小结 | 第34-35页 |
| 第4章 TFIDF_NB协同训练分类算法 | 第35-41页 |
| ·引言 | 第35页 |
| ·相关工作 | 第35-36页 |
| ·TFIDF_NB协同训练算法 | 第36-38页 |
| ·实验结果及分析 | 第38-39页 |
| ·小结 | 第39-41页 |
| 第5章 多元信息加权协调的超文本分类算法 | 第41-49页 |
| ·引言 | 第41页 |
| ·超文本分类算法研究 | 第41-42页 |
| ·多元信息加权协调的超文本分类算法 | 第42-45页 |
| ·利用超文本信息的规则 | 第42-43页 |
| ·超文本分类模型 | 第43-44页 |
| ·主要思想和算法描述 | 第44-45页 |
| ·实验及分析 | 第45-47页 |
| ·小结 | 第47-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-57页 |
| 附录A 攻读学位期间完成的论文 | 第57页 |
