基于极限学习机的文本分类方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 文本分类研究现状 | 第10-11页 |
| 1.2.2 极限学习机研究现状 | 第11-12页 |
| 1.3 论文的主要研究内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第2章 相关知识介绍 | 第15-23页 |
| 2.1 数据预处理 | 第15-16页 |
| 2.2 文本表示 | 第16-17页 |
| 2.2.1 文本特征单元构造 | 第16-17页 |
| 2.2.2 表示模型 | 第17页 |
| 2.3 特征降维 | 第17-19页 |
| 2.3.1 特征选择技术 | 第17-18页 |
| 2.3.2 特征提取技术 | 第18-19页 |
| 2.4 分类模型 | 第19-21页 |
| 2.5 本章小结 | 第21-23页 |
| 第3章 基于流形正则化极限学习机的分类方法研究 | 第23-39页 |
| 3.1 基本思想 | 第23-24页 |
| 3.2 基于流形正则化极限学习机的文本分类 | 第24-30页 |
| 3.2.1 模型框架 | 第24页 |
| 3.2.2 文本表示 | 第24-25页 |
| 3.2.3 特征提取 | 第25-26页 |
| 3.2.4 流形正则化极限学习机的文本分类模型 | 第26-29页 |
| 3.2.5 MRELMT算法描述 | 第29-30页 |
| 3.3 实验与分析 | 第30-38页 |
| 3.3.1 实验参数 | 第30-31页 |
| 3.3.2 实验数据集及评价标准 | 第31-34页 |
| 3.3.3 流形正则化的效果 | 第34-36页 |
| 3.3.4 多种算法分类结果的对比实验 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于多隐层极限学习机的文本分类方法研究 | 第39-55页 |
| 4.1 基本思想 | 第39页 |
| 4.2 基于多隐层极限学习机的文本分类模型 | 第39-45页 |
| 4.2.1 模型框架 | 第39-40页 |
| 4.2.2 ELM-AE文本降维 | 第40-42页 |
| 4.2.3 ML-ELM文本特征映射及分类 | 第42-44页 |
| 4.2.4 算法描述 | 第44-45页 |
| 4.3 实验与分析 | 第45-53页 |
| 4.3.1 实验数据与预处理 | 第45-46页 |
| 4.3.2 实验参数 | 第46页 |
| 4.3.3 多隐层结构的效果验证 | 第46-49页 |
| 4.3.4 多种算法分类结果的对比实验 | 第49-53页 |
| 4.4 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间所发表的学术论文 | 第61-63页 |
| 致谢 | 第63页 |
