| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·论文的研究背景及选题的意义 | 第8-9页 |
| ·国内外研究现状综述 | 第9-11页 |
| ·文本分类的研究现状 | 第9-10页 |
| ·kNN 算法的研究现状 | 第10页 |
| ·样本裁剪方法的研究现状 | 第10-11页 |
| ·本文研究内容 | 第11-12页 |
| ·本文章节安排 | 第12-13页 |
| 2 文本分类技术 | 第13-33页 |
| ·文本分类的一般过程 | 第13-14页 |
| ·文本预处理与文本表示 | 第14-18页 |
| ·文本预处理 | 第14-16页 |
| ·文本表示 | 第16-18页 |
| ·特征处理 | 第18-23页 |
| ·特征提取方法 | 第18-21页 |
| ·特征词权重确定 | 第21-23页 |
| ·kNN 算法 | 第23-24页 |
| ·样本裁剪算法 | 第24-29页 |
| ·训练样本分布密度对分类结果的影响 | 第24-25页 |
| ·基于密度的kNN 分类器训练样本裁剪方法 | 第25-29页 |
| ·文本分类效果评价 | 第29-32页 |
| ·小结 | 第32-33页 |
| 3 裁剪算法的改进 | 第33-45页 |
| ·引言 | 第33页 |
| ·基于密度的 kNN 文本分类器训练样本裁剪算法 | 第33-34页 |
| ·原始裁减算法的思想 | 第33页 |
| ·原始裁减算法的不足 | 第33-34页 |
| ·基于密度的 kNN 分类器训练样本裁剪算法的改进 | 第34-36页 |
| ·改进思想 | 第34页 |
| ·改进后的裁减算法 | 第34-36页 |
| ·实验结果与分析 | 第36-44页 |
| ·小结 | 第44-45页 |
| 4 kNN 算法的改进 | 第45-51页 |
| ·传统 kNN 算法分析 | 第45-46页 |
| ·kNN 的概念 | 第45页 |
| ·实验 | 第45-46页 |
| ·改进 kNN 算法 | 第46-47页 |
| ·改进算法的思想 | 第46页 |
| ·改进算法的步骤 | 第46-47页 |
| ·实验结果 | 第47-50页 |
| ·小结 | 第50-51页 |
| 5 论文总结与展望 | 第51-53页 |
| ·论文的主要工作 | 第51页 |
| ·进一步的工作 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57页 |
| A. 作者在攻读硕士学位期间发表的论文 | 第57页 |
| B. 作者在攻读硕士学位期间所参与的科研课题 | 第57页 |