基于大规模人工神经网络的可扩展文本分类算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·搜索引擎 | 第10页 |
| ·文本分类 | 第10-13页 |
| ·论文的组织结构 | 第13-15页 |
| 第2章 学习型文本自动分类算法 | 第15-35页 |
| ·文本的数学表示 | 第15-17页 |
| ·文本的数学表示模型 | 第15页 |
| ·向量空间模型 | 第15-17页 |
| ·特征向量的计算 | 第17-18页 |
| ·维数约减 | 第18-27页 |
| ·特征选择 | 第18-21页 |
| ·特征抽取 | 第21-27页 |
| ·训练模型与算法 | 第27-33页 |
| ·度量方法 | 第27-33页 |
| ·非度量方法 | 第33页 |
| ·本章小结 | 第33-35页 |
| 第3章 学习型文本自动分类算法的不足与改进 | 第35-43页 |
| ·学习型文本自动分类算法的不足 | 第35页 |
| ·学习型文本自动分类算法的改进 | 第35页 |
| ·特征向量计算公式的改进 | 第35-39页 |
| ·特征向量计算公式的不足 | 第35-36页 |
| ·特征向量计算公式的改进 | 第36-37页 |
| ·改进实验 | 第37-39页 |
| ·BP 神经网络模型构建实验 | 第39-40页 |
| ·实验环境 | 第40页 |
| ·实验结果 | 第40页 |
| ·实验结果分析 | 第40页 |
| ·分类区分度 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第4章 可扩展文本分类 | 第43-51页 |
| ·大规模人工神经网络理论 | 第43-45页 |
| ·大规模人工神经网络理论的引入 | 第43页 |
| ·知识可增殖人工神经网络分类 | 第43-45页 |
| ·可扩展文本分类算法 | 第45-47页 |
| ·可扩展文本分类算法模型构建 | 第45-46页 |
| ·增加类别 | 第46-47页 |
| ·删除类别 | 第47页 |
| ·实验验证 | 第47-49页 |
| ·实验环境 | 第47-48页 |
| ·实验结果 | 第48-49页 |
| ·实验结果分析 | 第49页 |
| ·本章小结 | 第49-51页 |
| 第5章 可扩展文本分类算法改进 | 第51-57页 |
| ·动态多叉树算法的引入 | 第51-52页 |
| ·可扩展文本分类算法分类效果不佳原因分析 | 第51页 |
| ·动态多叉树算法原理 | 第51-52页 |
| ·动态多叉树算法描述 | 第52-54页 |
| ·总体描述 | 第52页 |
| ·系统识别模型 | 第52-54页 |
| ·动态多叉树算法改进 | 第54-55页 |
| ·动态多叉树剪枝 | 第54页 |
| ·动态多叉树节点索引与存储 | 第54-55页 |
| ·实验验证 | 第55-56页 |
| ·实验环境 | 第55页 |
| ·实验结果 | 第55-56页 |
| ·实验结果分析 | 第56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |
