| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 网络书写纹识别研究现状 | 第11-13页 |
| 1.2.2 话题挖掘研究现状 | 第13-14页 |
| 1.2.3 文本可视化研究现状 | 第14页 |
| 1.3 研究意义 | 第14-15页 |
| 1.4 研究内容与组织结构 | 第15-17页 |
| 1.4.1 研究内容 | 第15页 |
| 1.4.2 组织结构 | 第15-17页 |
| 第2章 网络书写纹识别与话题提取相关技术 | 第17-28页 |
| 2.1 引言 | 第17页 |
| 2.2 文本预处理相关技术研究 | 第17-20页 |
| 2.2.1 文本的特征表示 | 第17-18页 |
| 2.2.2 特征项的选择及降维 | 第18-20页 |
| 2.3 网络书写纹识别算法技术研究 | 第20-25页 |
| 2.3.1 主流单分类器算法研究 | 第20-22页 |
| 2.3.2 主流集成识别算法研究 | 第22-25页 |
| 2.4 话题抽取相关技术研究 | 第25-26页 |
| 2.4.1 话题模型简介 | 第25页 |
| 2.4.2 几种话题模型研究及比较 | 第25-26页 |
| 2.5 文本可视化技术简介 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于K折交叉验证的多项朴素贝叶斯多分类器模型 | 第28-41页 |
| 3.1 引言 | 第28页 |
| 3.2 问题描述 | 第28-29页 |
| 3.3 基于N-gram特征项的提取 | 第29-30页 |
| 3.4 基于K折交叉验证的集成学习算法 | 第30-33页 |
| 3.4.1 K折交叉验证原理 | 第30-31页 |
| 3.4.2 基于K折交叉验证原理改进的集成学习算法及流程 | 第31-32页 |
| 3.4.3 随机采样方法 | 第32页 |
| 3.4.4 集成算法融合策略 | 第32-33页 |
| 3.5 基于朴素贝叶斯的基分类器算法 | 第33-37页 |
| 3.5.1 贝叶斯理论 | 第33-35页 |
| 3.5.2 朴素贝叶斯分类器 | 第35-36页 |
| 3.5.3 多项式朴素贝叶斯分类器模型 | 第36-37页 |
| 3.6 实验设计与结果分析 | 第37-40页 |
| 3.6.1 数据集及文本预处理 | 第37页 |
| 3.6.2 性能评估方法 | 第37-38页 |
| 3.6.3 实验设计 | 第38页 |
| 3.6.4 结果分析 | 第38-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第4章 基于个体作者书写纹的话题抽取模型 | 第41-51页 |
| 4.1 引言 | 第41页 |
| 4.2 特征项的提取 | 第41-42页 |
| 4.3 基于LDA模型扩展的AMT模型 | 第42-45页 |
| 4.4 AMT模型实现 | 第45-46页 |
| 4.5 实验设计与结果分析 | 第46-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第5章 基于文本分类的个体作者话题模型可视化展示 | 第51-56页 |
| 5.1 可视化模型框架设计思想及UML类图展示 | 第51-53页 |
| 5.1.1 可视化模型设计思想 | 第51-52页 |
| 5.1.2 可视化模型UML图展示 | 第52-53页 |
| 5.2 可视化展示 | 第53-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第6章 总结和展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 在校期问所发表的论文 | 第63-64页 |
| 致谢 | 第64页 |