基于马氏超椭球学习机的文本分类算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| CONTENTS | 第9-11页 |
| 1 绪论 | 第11-15页 |
| ·课题背景和研究意义 | 第11-12页 |
| ·国内外的研究现状 | 第12-13页 |
| ·国外的研究现状 | 第12-13页 |
| ·国内的研究现状 | 第13页 |
| ·本文研究内容和组织结构 | 第13-15页 |
| 2 文本自动分类技术 | 第15-26页 |
| ·文本预处理 | 第15-16页 |
| ·分词 | 第15页 |
| ·去停用词 | 第15-16页 |
| ·文本表示 | 第16-17页 |
| ·布尔逻辑模型 | 第16页 |
| ·概率模型 | 第16页 |
| ·空间向量模型 | 第16-17页 |
| ·文本特征提取 | 第17-20页 |
| ·信息增益 | 第18页 |
| ·互信息 | 第18-19页 |
| ·文档频率 | 第19页 |
| ·开方校验 | 第19-20页 |
| ·期望交叉熵 | 第20页 |
| ·文本分类的主要算法 | 第20-24页 |
| ·中心向量算法 | 第20-21页 |
| ·朴素贝叶斯算法 | 第21-22页 |
| ·K-邻近算法 | 第22-23页 |
| ·决策树算法 | 第23页 |
| ·人工神经网络 | 第23-24页 |
| ·支持向量机算法 | 第24页 |
| ·性能评估 | 第24-26页 |
| 3 马氏超椭球学习机 | 第26-33页 |
| ·支持向量域描述 | 第26-28页 |
| ·马氏超椭球学习机 | 第28-32页 |
| ·本章小结 | 第32-33页 |
| 4 基于马氏超椭球学习机的多类文本分类算法 | 第33-39页 |
| ·引言 | 第33页 |
| ·基于 MELM 的多类文本分类算法 | 第33-35页 |
| ·算法思想 | 第33-34页 |
| ·算法描述 | 第34-35页 |
| ·性能分析 | 第35页 |
| ·实验结果与分析 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 5 基于马氏超椭球学习机的兼类文本分类算法 | 第39-45页 |
| ·引言 | 第39-40页 |
| ·基于 MELM 的兼类文本分类算法 | 第40-41页 |
| ·算法思想 | 第40页 |
| ·算法描述 | 第40-41页 |
| ·性能分析 | 第41页 |
| ·实验结果与分析 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 总结与展望 | 第45-47页 |
| 参考文献 | 第47-52页 |
| 发表论文情况 | 第52-53页 |
| 致谢 | 第53-54页 |
