文本特征选择在网络信息过滤系统中的应用研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-15页 |
| ·背景意义 | 第10页 |
| ·网络信息过滤 | 第10-13页 |
| ·网络信息过滤介绍 | 第10-11页 |
| ·网络信息过滤系统研究现状 | 第11-12页 |
| ·文本特征选择 | 第12-13页 |
| ·本文的研究内容 | 第13-15页 |
| ·本文的主要工作 | 第13-14页 |
| ·本文的组织 | 第14-15页 |
| 第二章 网络信息过滤系统的关键技术 | 第15-30页 |
| ·数据包截获 | 第15-16页 |
| ·封包截获技术 | 第15-16页 |
| ·协议解析 | 第16页 |
| ·文本表示以及分词技术 | 第16-20页 |
| ·文本表示模型 | 第16-18页 |
| ·自动分词技术 | 第18-20页 |
| ·特征选择的框架 | 第20-22页 |
| ·按照搜索策略划分特征选择算法 | 第20-21页 |
| ·按照评价标准划分特征选择算法 | 第21-22页 |
| ·文本分类方法 | 第22-29页 |
| ·NaiveBayes 方法 | 第23-24页 |
| ·KNN 方法 | 第24-25页 |
| ·支持向量机 | 第25-26页 |
| ·神经网络 | 第26-29页 |
| ·文本分类方法的性能评估 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第三章 信息过滤中的文本特征选择算法及改进研究 | 第30-40页 |
| ·常用的特征选择方法 | 第30-32页 |
| ·文档频率 | 第30页 |
| ·信息增益 | 第30-31页 |
| ·互信息 | 第31页 |
| ·X~2 统计 | 第31-32页 |
| ·互信息方法的改进 | 第32-33页 |
| ·传统互信息的不足 | 第32页 |
| ·改进的互信息方法 | 第32-33页 |
| ·新旧互信息方法的比较 | 第33页 |
| ·遗传算法简介 | 第33-35页 |
| ·一种新的特征选择算法—MI-GA 组合算法 | 第35-36页 |
| ·实验与结果分析 | 第36-39页 |
| ·数据来源 | 第36页 |
| ·实验结果分析 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 文本特征选择在网络信息过滤系统中的实现 | 第40-49页 |
| ·网络信息过滤系统的设计 | 第40-42页 |
| ·网络信息过滤系统流程图 | 第40-41页 |
| ·内容过滤模块流程图 | 第41-42页 |
| ·系统主要模块的实现 | 第42-47页 |
| ·登陆界面 | 第43-44页 |
| ·设置模块 | 第44-45页 |
| ·特征选择模块 | 第45-47页 |
| ·文本分类模块 | 第47页 |
| ·网络信息过滤效果 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·本文的工作总结 | 第49页 |
| ·进一步的工作 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 在读期间发表的论文及参加的项目 | 第53-54页 |
| 致谢 | 第54页 |
