基于PCA和LDA的文本分类系统设计与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-14页 |
| ·研究背景和意义 | 第9-11页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·国内外现状 | 第11-12页 |
| ·国外研究现状 | 第11页 |
| ·国内研究现状 | 第11-12页 |
| ·本文的研究工作 | 第12-14页 |
| 第二章 文本分类的主要方法和技术 | 第14-25页 |
| ·文本分类过程 | 第14-15页 |
| ·文本预处理 | 第15-17页 |
| ·中文分词 | 第15-17页 |
| ·去除停用词 | 第17页 |
| ·特征抽取 | 第17-18页 |
| ·文本表示模型 | 第18-19页 |
| ·布尔模型 | 第18-19页 |
| ·向量空间模型 | 第19页 |
| ·统计主题模型 | 第19页 |
| ·常用文本分类算法 | 第19-23页 |
| ·贝叶斯方法 | 第20页 |
| ·简单向量距离算法 | 第20-21页 |
| ·KNN算法 | 第21-22页 |
| ·SVM分类算法 | 第22-23页 |
| ·分类性能评估 | 第23-25页 |
| 第三章 系统详细设计 | 第25-49页 |
| ·文本预处理 | 第26-32页 |
| ·分词实现 | 第26-28页 |
| ·词袋模型 | 第28-30页 |
| ·频率统计 | 第30页 |
| ·CRF模型 | 第30-32页 |
| ·特征提取 | 第32-40页 |
| ·TF-IDF模型 | 第32页 |
| ·LDA模型 | 第32-35页 |
| ·主成分分析原理 | 第35-37页 |
| ·LDA模块实现 | 第37-39页 |
| ·PCA模块实现 | 第39-40页 |
| ·文本分类训练和测试 | 第40-49页 |
| ·SVM二分类原理 | 第40-42页 |
| ·多分类原理 | 第42-43页 |
| ·分类工具 | 第43-44页 |
| ·模块设计 | 第44-49页 |
| 第四章 文本分类实验评估 | 第49-54页 |
| ·系统环境和数据 | 第49页 |
| ·分词性能 | 第49页 |
| ·特征提取结果比较 | 第49-51页 |
| ·LDA特征提取 | 第50页 |
| ·文本向量化 | 第50-51页 |
| ·PCA特征降维 | 第51页 |
| ·分类结果比较 | 第51-54页 |
| 第五章 总结和展望 | 第54-55页 |
| ·总结 | 第54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 作者攻读学位期间发表的学术论文目录 | 第58-59页 |
| 致谢 | 第59页 |
