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

基于粗糙集理论的文本自动分类研究

摘要第1-7页
ABSTRACT第7-9页
目录第9-12页
第1章 绪论第12-20页
   ·研究背景第12-16页
     ·文本自动分类研究的必要性第12页
     ·文本自动分类面临的主要问题第12-15页
     ·本文的选题背景及研究环境第15-16页
   ·本文的工作第16-19页
     ·本文的主要研究内容第16-17页
     ·本文的创新性工作第17-18页
     ·本文的结构与组织第18-19页
   ·结论第19-20页
第2章 文本自动分类概述第20-39页
   ·文本自动分类一般过程第20-21页
   ·文本表达法第21-23页
   ·维度约简第23-26页
     ·特征选择第23-25页
     ·特征抽取第25-26页
   ·文本自动分类算法第26-33页
     ·Nalve Bayes第26-27页
     ·决策树第27-28页
     ·神经网络第28-29页
     ·支持向量机第29-30页
     ·Rocchio算法第30-31页
     ·k近邻分类器第31-32页
     ·阈值策略第32-33页
   ·标准数据集第33-35页
     ·英文数据集第33-34页
     ·中文数据集第34-35页
   ·分类性能评价第35-37页
   ·文本自动分类的应用第37-38页
     ·自动标引第37页
     ·词歧义切分第37页
     ·文本过滤第37-38页
   ·结论第38-39页
第3章 粗糙集理论与方法第39-55页
   ·粗糙集基本理论第39-42页
   ·属性值离散化第42-43页
   ·属性约简第43-45页
     ·核约简第43-44页
     ·动态约简第44-45页
     ·近似约简第45页
   ·决策规则第45-49页
     ·标准决策规则第45-48页
     ·近似决策规则第48-49页
   ·规则匹配第49-51页
     ·完全匹配第49-50页
     ·部分匹配第50-51页
   ·粗糙集理论的特点第51页
   ·粗糙集在信息检索中的应用第51-54页
     ·信息查询第52页
     ·文本自动分类第52-53页
     ·粗糙集应用于文本自动分类面临的主要问题第53-54页
   ·结论第54-55页
第4章 基于N-gram的文本表达方法第55-71页
   ·研究背景第55-57页
   ·方法概述第57-59页
   ·GF/GL权重法第59-60页
   ·关键词筛选算法第60-63页
   ·实验结果评估第63-69页
     ·相似度系数第63-64页
     ·文本自动分类第64-69页
   ·结论第69-71页
第5章 基于粗糙集理论的标引词语义异构性处理第71-86页
   ·研究背景第71-73页
   ·RST模型第73-76页
   ·实例研究第76-82页
     ·一对一转换第77-79页
     ·一对多转换第79-80页
     ·多对多转换第80-81页
     ·转换结果整合第81-82页
   ·实验效果评估第82-84页
   ·结论第84-86页
第6章 基于粗糙集理论的文本自动分类第86-102页
   ·概述第86-87页
   ·分类规则推导第87-94页
     ·同义词识别第87-89页
     ·属性约简算法第89-94页
   ·近似规则生成算法第94-96页
   ·规则匹配第96-97页
     ·完全匹配第96-97页
     ·部分匹配第97页
   ·动态类别扩展第97-101页
     ·动态类别扩展算法第98-100页
     ·实验及性能评估第100-101页
   ·结论第101-102页
第7章 结论第102-107页
   ·总结第102-105页
   ·进一步的研究工作第105-107页
致谢第107-108页
参考文献第108-124页
攻读博士期间发表的学术论文第124页

论文共124页,点击 下载论文
上一篇:小学高年级词汇学习策略培训研究
下一篇:英语学习热和学习效率低下矛盾成因的研究