| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 农业信息分类的研究现状 | 第8-10页 |
| 1.3 研究目标与内容 | 第10页 |
| 1.4 拟解决的关键问题 | 第10-11页 |
| 1.5 论文组织结构 | 第11-12页 |
| 第2章 文本分类及相关算法 | 第12-25页 |
| 2.1 文本分类 | 第12-14页 |
| 2.2 文本分类相关算法 | 第14-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第3章 农业信息分类模型的设计与实现 | 第25-51页 |
| 3.1 分类器评价标准 | 第25-26页 |
| 3.2 数据预处理 | 第26-33页 |
| 3.2.1 数据来源及处理 | 第26-28页 |
| 3.2.2 中文分词的选择与实现 | 第28-29页 |
| 3.2.3 特征提取的选择与实现 | 第29-31页 |
| 3.2.4 特征加权的选择与实现 | 第31-33页 |
| 3.3 分类模型 | 第33-46页 |
| 3.3.1 Rocchio方法 | 第33-37页 |
| 3.3.2 Na?ve Bayes方法 | 第37-40页 |
| 3.3.3 SVM方法 | 第40-43页 |
| 3.3.4 kNN方法 | 第43-46页 |
| 3.4 分类模型结果分析 | 第46-50页 |
| 3.4.1 不同特征词数不同分类算法结果对比 | 第46页 |
| 3.4.2 相同特征词数不同算法结果对比 | 第46-47页 |
| 3.4.3 每类样本分类结果对比 | 第47-48页 |
| 3.4.4 Rocchio方法总结 | 第48-49页 |
| 3.4.5 Na?ve Bayes方法总结 | 第49页 |
| 3.4.6 SVM方法总结 | 第49页 |
| 3.4.7 kNN方法总结 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 基于中心向量的K-means与SVM相结合的农业信息分类模型 | 第51-63页 |
| 4.1 K-means与SVM相结合的分类模型 | 第52页 |
| 4.2 K-means方法删减边缘样本 | 第52-55页 |
| 4.2.1 删减边缘样本的原理 | 第52-53页 |
| 4.2.2 保留中心向量删减边缘样本 | 第53-54页 |
| 4.2.3 保留中心向量临近文本删减边缘样本 | 第54-55页 |
| 4.3 K-means与SVM相结合的分类实验结果及分析 | 第55-60页 |
| 4.3.1 保留中心向量实验结果 | 第55-57页 |
| 4.3.2 保留中心向量临近文本实验结果 | 第57-58页 |
| 4.3.3 K-means和SVM分类模型结果分析 | 第58-60页 |
| 4.4 UCI数据测试 | 第60-62页 |
| 4.4.1 UCI数据集介绍 | 第60-61页 |
| 4.4.2 UCI数据测试过程及结果 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67-69页 |
| 作者简历 | 第69页 |
