| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 主客观分类研究现状 | 第9-10页 |
| 1.3 集成学习研究现状 | 第10-11页 |
| 1.4 本文研究内容 | 第11页 |
| 1.5 论文组织结构 | 第11-13页 |
| 第二章 相关理论概述 | 第13-25页 |
| 2.1 主客观分类 | 第13-16页 |
| 2.1.1 主客观分类问题描述 | 第13页 |
| 2.1.2 主客观分类流程 | 第13-16页 |
| 2.2 文本分类方法 | 第16-18页 |
| 2.2.1 朴素贝叶斯分类器 | 第16-17页 |
| 2.2.2 支持向量机基分类器 | 第17-18页 |
| 2.2.3 KNN分类方法 | 第18页 |
| 2.3 集成学习理论基础 | 第18-24页 |
| 2.3.1 集成学习的概念 | 第18-19页 |
| 2.3.2 集成学习的作用 | 第19-20页 |
| 2.3.3 集成学习的有效性原理 | 第20-21页 |
| 2.3.4 集成学习的主要算法 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于主观线索的集成主客观分类 | 第25-36页 |
| 3.1 主观线索特征 | 第25-27页 |
| 3.2 文本线索密度的计算 | 第27-28页 |
| 3.3 基于线索密度的集成主客观分类 | 第28-32页 |
| 3.3.1 基于朴素贝叶斯的主客观分类 | 第28-29页 |
| 3.3.2 朴素贝叶斯分类器集成 | 第29-32页 |
| 3.4 实验结果与分析 | 第32-35页 |
| 3.4.1 实验设置 | 第32-33页 |
| 3.4.2 结果分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于融合特征的动态集成主客观分类 | 第36-50页 |
| 4.1 主客观分类特征 | 第36-38页 |
| 4.2 主客观特征选择 | 第38-40页 |
| 4.2.1 特征选择流程 | 第38-39页 |
| 4.2.2 基于CHI统计量的特征选择 | 第39-40页 |
| 4.3 动态集成主客观分类器构建 | 第40-46页 |
| 4.3.1 动态集成框架 | 第40-41页 |
| 4.3.2 两类动态集成学习方法的比较 | 第41-43页 |
| 4.3.3 基于KNN和k-means的改进动态集成学习 | 第43-46页 |
| 4.4 实验结果与分析 | 第46-49页 |
| 4.4.1 实验设置 | 第46页 |
| 4.4.2 结果分析 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 在学研究成果 | 第56-57页 |
| 致谢 | 第57页 |