| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·论文研究的背景及意义 | 第9-11页 |
| ·论文主要工作介绍 | 第11-12页 |
| ·论文的结构和安排 | 第12-13页 |
| 第2章 文本分类概述 | 第13-26页 |
| ·文本分词(Text Segmentation) | 第13-16页 |
| ·特征选择(Feature Selection,FS) | 第15-16页 |
| ·文本描述(Text Respresentation) | 第16-19页 |
| ·布尔模型(Boolean Model) | 第16-17页 |
| ·空间向量模型(Vector Space Model) | 第17-18页 |
| ·概率模型(Probabilistic Model) | 第18-19页 |
| ·分类算法(Classification Algorithm) | 第19-26页 |
| ·朴素贝叶斯算法(Naive Bayes) | 第20页 |
| ·KNN(k-Nearest Neighbor)算法 | 第20-21页 |
| ·基于神经网络的算法(Artificial Neural Networks) | 第21-23页 |
| ·决策树方法(Decision Tree) | 第23-24页 |
| ·粗糙集方法(Rough Set) | 第24-26页 |
| 第3章 基于特征选择的权值计算研究 | 第26-34页 |
| ·常见特征选择方法 | 第26-29页 |
| ·信息增益(Information Gain) | 第26-27页 |
| ·互信息(Mutual Information) | 第27页 |
| ·CHI2统计 | 第27-28页 |
| ·交叉熵(Cross Entropy) | 第28页 |
| ·证据权值(Weight of Evidence) | 第28-29页 |
| ·经典权值计算公式TFIDF及其弊端 | 第29-30页 |
| ·基于特征选择的TFIDF权值计算改进研究 | 第30-31页 |
| ·实验设计和结果 | 第31-34页 |
| 第4章 基于粗集理论的文本分类概述 | 第34-44页 |
| ·粗集基本概念 | 第34-39页 |
| ·信息系统 | 第34-35页 |
| ·决策表信息系统 | 第35-36页 |
| ·等价关系 | 第36页 |
| ·不可分辨关系 | 第36页 |
| ·近似空间 | 第36-38页 |
| ·知识约简 | 第38-39页 |
| ·基于粗糙集理论的文本分类系统 | 第39-44页 |
| ·文本向量描述 | 第41页 |
| ·权值离散化 | 第41-42页 |
| ·构造决策信息表 | 第42页 |
| ·进行决策信息表条件属性约简 | 第42-43页 |
| ·对分类规则进行值约简 | 第43页 |
| ·生成分类规则 | 第43页 |
| ·对新文本进行分类 | 第43-44页 |
| 第5章 粗糙集启发式属性约简的改进 | 第44-58页 |
| ·属性重要性评价研究 | 第44-47页 |
| ·粗糙集理论对属性重要性的代数形式衡量方法 | 第44-46页 |
| ·基于文本特征选择的属性重要性的衡量方法 | 第46页 |
| ·综合糙集理论和文本特征选择的属性重要性评价 | 第46-47页 |
| ·启发式属性约简的研究和改进 | 第47-49页 |
| ·基于空集基础上的属性约简算法 | 第47-48页 |
| ·基于约简核基础上的属性约简算法 | 第48页 |
| ·改进启发式属性约简算法 | 第48-49页 |
| ·基于改进启发式属性约简的粗糙集文本分类系统 | 第49-51页 |
| ·实验结果和分析 | 第51-58页 |
| ·属性重要性的实验比较研究 | 第51-56页 |
| ·改进启发式属性约简的实验比较研究 | 第56-58页 |
| 总结与展望 | 第58-60页 |
| 全文总结 | 第58-59页 |
| 进一步研究工作展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间发表的论文 | 第66页 |
