半监督自训练分类模型的研究与实现

摘要	第1-5页
Abstract	第5-8页
1 绪论	第8-12页
·研究背景与意义	第8页
·研究进展	第8-10页
·本文的工作	第10页
·本文的章节安排	第10-12页
2 文本分类相关技术	第12-20页
·文本预处理	第12-13页
·中文分词	第12-13页
·文本表示	第13-16页
·特征降维	第16-20页
·文档频率	第17页
·信息增益	第17页
·χ~2统计法	第17-18页
·互信息	第18-20页
3 基分类器的选取	第20-33页
·K近邻法	第21-22页
·Naive Bayes分类算法	第22-26页
·支持向量机方法	第26-28页
·选取高性能算法	第28-33页
4 改进的半监督自训练分类模型	第33-44页
·半监督分类研究现状	第34-36页
·自训练分类算法	第36-37页
·基于最近邻规则的数据剪辑技术	第37页
·自训练分类算法的改进	第37-38页
·实验与分析	第38-44页
5 改进的Tri-Training分类模型	第44-56页
·Tri-Training分类算法	第45-46页
·Tri-Training分类模型改进与实现	第46-48页
·实验与分析	第48-56页
结论	第56-58页
参考文献	第58-60页
攻读硕士学位期间发表学术论文情况	第60-61页
致谢	第61-62页