短文本分类中特征选择算法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-19页 |
| ·研究的背景和意义 | 第10-11页 |
| ·特征选择的概述 | 第11-15页 |
| ·短文本分类的国内外研究现状 | 第15-16页 |
| ·特征扩展方面的研究现状 | 第15页 |
| ·特征选择方面的研究现状 | 第15-16页 |
| ·特征权重计算和分类算法设计方面的研究现状 | 第16页 |
| ·本文的研究目标和主要内容 | 第16-17页 |
| ·本文的组织结构 | 第17-19页 |
| 2 文本分类的相关技术 | 第19-30页 |
| ·文本分类的流程 | 第19-20页 |
| ·文本预处理 | 第20页 |
| ·特征表示 | 第20-21页 |
| ·特征选择 | 第21-24页 |
| ·文本频数 | 第21-22页 |
| ·信息增益 | 第22页 |
| ·卡方检验 | 第22-23页 |
| ·期望交叉熵 | 第23页 |
| ·互信息 | 第23-24页 |
| ·特征权重计算 | 第24-25页 |
| ·分类算法 | 第25-28页 |
| ·朴素贝叶斯分类算法 | 第25-26页 |
| ·k 近邻分类算法 | 第26页 |
| ·支持向量机算法 | 第26-28页 |
| ·分类效果评价 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 基于模糊熵的短文本特征选择算法 | 第30-35页 |
| ·模糊熵理论基础 | 第30-31页 |
| ·基于模糊熵的短文本特征选择算法 | 第31-34页 |
| ·隶属度函数的设计 | 第32-33页 |
| ·模糊熵的计算 | 第33页 |
| ·基于模糊熵的短文本特征选择算法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于粒子群的短文本特征选择算法 | 第35-42页 |
| ·粒子群优化算法 | 第35-36页 |
| ·基于粒子群的短文本特征选择算法 | 第36-40页 |
| ·粒子编码和初始种群 | 第37页 |
| ·惯性权重的确定 | 第37-39页 |
| ·适应度函数的确定 | 第39页 |
| ·基于粒子群的短文本特征选择算法 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 5 实验仿真及分析 | 第42-51页 |
| ·实验数据 | 第42-43页 |
| ·实验流程 | 第43-44页 |
| ·实验结果及分析 | 第44-50页 |
| ·基于 FE 的特征选择算法实验结果及分析 | 第44-47页 |
| ·基于 CPSO 的特征选择算法实验结果及分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 6 总结和展望 | 第51-52页 |
| ·总结 | 第51页 |
| ·展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录：作者攻读硕士学位期间发表论文及科研情况 | 第56-57页 |
| 致谢 | 第57页 |
