文本分类技术及在辅助决策中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·研究现状 | 第11-16页 |
| ·国内外研究状况 | 第11-13页 |
| ·文本分类问题描述 | 第13-14页 |
| ·当前研究重点 | 第14-16页 |
| ·本文的主要工作 | 第16-17页 |
| ·本文的内容安排 | 第17-18页 |
| 第2章 文本分类的特征选择 | 第18-31页 |
| ·引言 | 第18-19页 |
| ·文本预处理 | 第19页 |
| ·文本表示方法 | 第19-22页 |
| ·向量空间模型 | 第20-21页 |
| ·改进的权重计算方法 | 第21-22页 |
| ·特征选择方法 | 第22-26页 |
| ·文档频率 | 第22-23页 |
| ·互信息 | 第23页 |
| ·信息增益 | 第23-25页 |
| ·x~2 统计 | 第25页 |
| ·期望交叉熵 | 第25-26页 |
| ·实验结果与分析 | 第26-30页 |
| ·评价标准 | 第26-27页 |
| ·实验设置 | 第27-28页 |
| ·实验结果 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于反馈的类中心向量分类模型 | 第31-41页 |
| ·引言 | 第31页 |
| ·常用分类算法分析 | 第31-36页 |
| ·Rocchio算法 | 第31-32页 |
| ·朴素贝叶斯算法 | 第32-34页 |
| ·K近邻算法 | 第34-35页 |
| ·决策树方法 | 第35页 |
| ·神经网络方法 | 第35-36页 |
| ·基于反馈的类中心向量分类算法 | 第36-40页 |
| ·分类器偏差 | 第36-37页 |
| ·算法描述 | 第37-38页 |
| ·实验结果与分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于支持向量机的领域文本分类 | 第41-51页 |
| ·引言 | 第41页 |
| ·支持向量机的基本原理 | 第41-46页 |
| ·线性可分与最优分类超平面 | 第42-44页 |
| ·线性不可分与软间隔 | 第44-45页 |
| ·非线性与核函数 | 第45-46页 |
| ·多元分类支持向量机 | 第46-48页 |
| ·一对多方法 | 第46-47页 |
| ·一对一方法 | 第47页 |
| ·有向无环图方法 | 第47-48页 |
| ·二叉树方法 | 第48页 |
| ·基于支持向量机的领域文本分类 | 第48-50页 |
| ·文档标题在领域分类中的作用 | 第48-49页 |
| ·实验与结果分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 文本分类在辅助决策中的应用 | 第51-60页 |
| ·引言 | 第51页 |
| ·辅助决策概述 | 第51-53页 |
| ·辅助决策支持系统的发展 | 第51-52页 |
| ·辅助决策支持系统的结构 | 第52-53页 |
| ·辅助决策支持系统的分析 | 第53页 |
| ·基于文本分类技术的辅助决策系统的设计与实现 | 第53-57页 |
| ·基于改进类中心向量分类模型的二元分类 | 第54-55页 |
| ·基于支持向量机的领域分类 | 第55-56页 |
| ·基于文本分类技术的特定问题分类决策 | 第56-57页 |
| ·系统运行结果与分析 | 第57-59页 |
| ·运行界面 | 第57-58页 |
| ·运行结果与分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |
