首页--农业科学论文--农业基础科学论文--农业物理学论文--电子技术、计算机技术在农业上的应用论文

基于中心向量的聚类算法在农业信息分类中的研究与应用

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

论文共69页,点击 下载论文
上一篇:圆盘扎辊式残膜回收机碎土及捡拾机理研究
下一篇:基于GIS技术的武胜县耕地质量评价研究