首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于类别结构的文本层次分类方法研究

摘要第1-15页
ABSTRACT第15-20页
第1章 绪论第20-28页
   ·研究背景第20-22页
   ·目前存在的问题和挑战第22-24页
   ·主要研究内容第24-26页
   ·创新点第26页
   ·研究意义第26-27页
   ·本文的组织结构第27-28页
第2章 基础知识及相关研究第28-47页
   ·基础知识第28-38页
     ·类别层次结构的类型第28-29页
     ·层次型文本分类的类型第29-31页
     ·层次型文本分类的特点第31-34页
     ·层次型文本分类的评价标准第34-38页
       ·平面型文本分类的评价标准第34-36页
       ·基于类别相似度的评价方法第36-38页
       ·基于类别距离的评价方法第38页
   ·相关研究第38-46页
     ·基于爆炸式的层次分类方法第39-40页
     ·基于自顶向下式的层次分类方法第40-43页
       ·基于类树的层次分类方法第40-43页
       ·基于自学习类树结构的层次分类方法第43页
     ·大规模分类中的层次分类方法第43-46页
   ·本章小结第46-47页
第3章 面向层次分类的文本特征选择方法第47-73页
   ·问题描述第47-48页
   ·常用的文本特征选择方法第48-50页
   ·相关工作第50-51页
   ·目前研究中存在的问题第51-52页
   ·类别层次相关度第52-56页
     ·类别层次相关的概念第52-53页
     ·类别层次相关度第53-56页
   ·基于类别层次相关度的文本特征选择方法第56-59页
     ·类别的层次重要度第56页
     ·文档特征的类别相关性第56-57页
     ·特征词的类别区分能力第57-58页
     ·CHC算法的步骤第58-59页
     ·算法时间复杂度分析第59页
   ·实验第59-71页
     ·数据集第59-60页
     ·性能评价第60-61页
     ·实验结果第61-71页
   ·本章小结第71-73页
第4章 一种基于类树全局信息的文本层次分类方法第73-92页
   ·问题描述第73页
   ·相关工作第73-77页
     ·集成学习第73-74页
     ·Boosting方法及其应用第74-76页
     ·AdaBoost算法原理第76-77页
   ·层次型文本分类中的Blocking现象第77-79页
   ·一种基于类树全局信息的文本层次分类方法第79-86页
     ·样本的层次重要性第80页
     ·全局损失函数第80-82页
     ·样本的权重更新第82-83页
     ·训练层次分类器方法步骤第83-85页
     ·时间复杂度分析第85-86页
   ·实验第86-91页
     ·数据集第86-87页
     ·实验结果第87-91页
   ·本章小结第91-92页
第5章 基于回溯算法的文本层次分类方法第92-107页
   ·问题描述第92-93页
   ·相关工作第93-95页
     ·回溯算法第93-94页
     ·KNN算法第94-95页
   ·目前研究中存在的问题第95-96页
   ·基于回溯算法的文本层次分类方法第96-103页
     ·特征的选择方法第97-98页
     ·基于回溯算法的文本层次分类算法第98-103页
       ·阈值的确定第98-101页
       ·算法步骤第101-103页
       ·算法分析第103页
   ·实验第103-106页
     ·数据集第103-104页
     ·评价指标第104页
     ·实验结果第104-106页
   ·本章小结第106-107页
第6章 总结与展望第107-111页
   ·主要工作总结第107-109页
   ·未来工作展望第109-111页
参考文献第111-122页
致谢第122-123页
攻读学位期间发表的学术论文目录第123-124页
攻读学位期间参与科研项目情况第124-126页
学位论文评阅及答辩情况表第126-128页
外文论文第128-147页

论文共147页,点击 下载论文
上一篇:基于视频图像分析与信息融合的驾驶员疲劳检测技术研究
下一篇:自动指纹识别中若干关键算法的研究