面向中文资讯文本的分类算法研究及应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 引言 | 第12-14页 |
| 1 绪论 | 第14-19页 |
| 1.1 国内外研究现状 | 第14-16页 |
| 1.1.1 国外研究现状 | 第14-15页 |
| 1.1.2 国内研究现状 | 第15页 |
| 1.1.3 中文文本分类的现状 | 第15-16页 |
| 1.2 选题背景及意义 | 第16-17页 |
| 1.2.1 课题的背景 | 第16-17页 |
| 1.2.2 课题的目的和意义 | 第17页 |
| 1.3 论文的组织结构 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 2 中文文本自动分类技术及算法 | 第19-30页 |
| 2.1 文本分类定义 | 第19-20页 |
| 2.2 文本分类流程 | 第20-21页 |
| 2.3 文本的预处理 | 第21-24页 |
| 2.3.1 文本标记预处理 | 第21-22页 |
| 2.3.2 特征选择 | 第22-23页 |
| 2.3.3 文本的分词方法 | 第23-24页 |
| 2.3.4 拓展词 | 第24页 |
| 2.4 K最近邻算法 | 第24-26页 |
| 2.4.1 K最近邻分类算法的背景和基础 | 第24-26页 |
| 2.4.2 K最近邻算法工作流程 | 第26页 |
| 2.4.3 KNN算法的优缺点 | 第26页 |
| 2.5 支持向量机分类算法 | 第26-29页 |
| 2.5.1 支持向量机分类算法的背景和基础 | 第26-27页 |
| 2.5.2 支持向量机分类算法的流程 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 3 分类算法的研究及改进 | 第30-41页 |
| 3.1 朴素贝叶斯分类算法 | 第30-34页 |
| 3.1.1 贝叶斯分类算法背景和基础 | 第30-31页 |
| 3.1.2 贝叶斯定理 | 第31-34页 |
| 3.2 改进的朴素贝叶斯分类算法 | 第34-36页 |
| 3.2.1 朴素贝叶斯分类器缺点 | 第34-35页 |
| 3.2.2 改进思想 | 第35页 |
| 3.2.3 粗糙集对属性约简 | 第35-36页 |
| 3.3 关联规则 | 第36-39页 |
| 3.4 RWNBC模型和算法 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 实验结果及分析 | 第41-46页 |
| 4.1 实验环境 | 第41页 |
| 4.2 实验数据 | 第41-42页 |
| 4.3 实验方法及分析 | 第42-45页 |
| 4.4 本章小结 | 第45-46页 |
| 5 总结和展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 附录A 朴素贝叶斯分类算法实现 | 第51-57页 |
| 致谢 | 第57-58页 |
| 作者简介及读研期间主要科研成果 | 第58页 |
