| 摘要 | 第1-3页 |
| ABSTRACT | 第3-5页 |
| 目录 | 第5-7页 |
| 第1章 引言 | 第7-10页 |
| ·研究背景 | 第7-8页 |
| ·本文工作和论文组织 | 第8-10页 |
| 第2章 文本分类概述 | 第10-13页 |
| ·文本分类的定义 | 第10页 |
| ·文本分类的基本过程 | 第10-11页 |
| ·评估假设 | 第11-12页 |
| ·文本分类的几种类型 | 第12页 |
| ·文本分类的相关应用与发展趋势 | 第12-13页 |
| 第3章 文本表示与维数约简 | 第13-19页 |
| ·文本的特征表示 | 第13-14页 |
| ·文本维数约简 | 第14-19页 |
| 第4章 文本分类算法 | 第19-33页 |
| ·线性分类器 | 第19-20页 |
| ·Rocchio方法 | 第19-20页 |
| ·Widrow-Hoff方法 | 第20页 |
| ·朴素贝叶斯分类器 | 第20-22页 |
| ·决策树方法 | 第22-24页 |
| ·人工神经网络(ARTIFICAL NEURAL NETWORKS, ANN) | 第24-27页 |
| ·基于实例的学习 | 第27-29页 |
| ·k-近邻算法 | 第27-28页 |
| ·局部加权回归 | 第28-29页 |
| ·组合分类器 | 第29-30页 |
| ·支持向量机(SUPPORT VECTOR MACHINE, SVM) | 第30-33页 |
| 第5章 用RBFN进行文本分类 | 第33-47页 |
| ·概述 | 第33页 |
| ·径向基函数(RADIAL BASIS FUNCTION, RBF) | 第33-37页 |
| ·线性模型 | 第33-34页 |
| ·精确插值 | 第34-35页 |
| ·函数逼近 | 第35-37页 |
| ·径向基函数网络的训练 | 第37-43页 |
| ·监督训练(Supervised Training) | 第37页 |
| ·两阶段训练(Two-stage Training) | 第37-43页 |
| ·模型选择 | 第43-45页 |
| ·有效参数的数目 | 第43-44页 |
| ·模型选择标准 | 第44-45页 |
| ·岭回归(RIDGE REGRESSION) | 第45-47页 |
| 第6章 实验 | 第47-54页 |
| ·文本集 | 第47-48页 |
| ·特征提取 | 第48-50页 |
| ·预处理 | 第48-49页 |
| ·维数约简 | 第49-50页 |
| ·分类训练与测试 | 第50-52页 |
| ·实验结果与分析 | 第52-54页 |
| 第7章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 论文和工作 | 第57-58页 |
| 致谢 | 第58页 |
