基于极限学习机的XML文档分类的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的与意义 | 第11-12页 |
| 1.3 本文主要工作 | 第12-13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 第2章 相关研究工作 | 第14-24页 |
| 2.1 传统分类算法 | 第14-18页 |
| 2.1.1 分类问题综述 | 第14-16页 |
| 2.1.2 常用分类算法综述 | 第16-18页 |
| 2.2 XML文档分类 | 第18-22页 |
| 2.2.1 XML数据模型 | 第18-21页 |
| 2.2.2 XML文档分类研究综述 | 第21-22页 |
| 2.3 极限学习机的应用 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 XML文档的特征表达 | 第24-38页 |
| 3.1 数据预处理 | 第24-26页 |
| 3.2 文本表示模型 | 第26-33页 |
| 3.2.1 向量空间模型 | 第27-28页 |
| 3.2.2 TFIDF的类别分布信息缺陷 | 第28-30页 |
| 3.2.3 包含类别分布信息的TFIDF改进方法 | 第30-33页 |
| 3.3 XML文档表示模型 | 第33-36页 |
| 3.3.1 结构连接向量模型 | 第33-34页 |
| 3.3.2 基于分布信息的结构向量模型 | 第34-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第4章 基于极限学习机的分类模型 | 第38-52页 |
| 4.1 极限学习机 | 第38-40页 |
| 4.2 基于极限学习机的优化改进模型 | 第40-44页 |
| 4.2.1 投票机制与相关概念 | 第41-42页 |
| 4.2.2 基于投票机制的极限学习机算法 | 第42-44页 |
| 4.3 投票结果后处理方法 | 第44-50页 |
| 4.3.1 针对相同得票数的常规重投票算法 | 第44-46页 |
| 4.3.2 针对相同得票数的基于概率的重投票算法 | 第46-49页 |
| 4.3.3 针对混淆类的后处理方法 | 第49-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第5章 实验及结果分析 | 第52-64页 |
| 5.1 实验性能评估标准 | 第52-53页 |
| 5.2 实验环境及实验设计 | 第53-55页 |
| 5.2.1 实验环境 | 第53页 |
| 5.2.2 实验数据集 | 第53-54页 |
| 5.2.3 实验方案 | 第54-55页 |
| 5.3 实验结果分析 | 第55-62页 |
| 5.3.1 XML文档表达模型的性能分析 | 第55-56页 |
| 5.3.2 训练时间与测试时间的分析 | 第56-57页 |
| 5.3.3 ELM与v-ELM的性能对比分析 | 第57-59页 |
| 5.3.4 使用后处理方法的性能分析 | 第59-61页 |
| 5.3.5 与传统分类算法性能的比较分析 | 第61-62页 |
| 5.4 本章小结 | 第62-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 攻读硕士学位期间参加的项目和发表的论文 | 第72页 |
