| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 第1章 引言 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 研究方法 | 第14-16页 |
| 1.4 研究意义 | 第16页 |
| 1.5 研究内容 | 第16-17页 |
| 1.6 全文组织结构 | 第17页 |
| 1.7 本章小结 | 第17-18页 |
| 第2章 中文文本分类器 | 第18-27页 |
| 2.1 神经网络分类器 | 第18-21页 |
| 2.1.1 BP神经网络分类器 | 第19页 |
| 2.1.2 RBF神经网络分类器 | 第19-20页 |
| 2.1.3 采用K-means算法的RBF神经网络分类器 | 第20-21页 |
| 2.2 k NN分类器 | 第21-24页 |
| 2.2.1 k NN分类器 | 第21-23页 |
| 2.2.2 类内均值k NN分类器 | 第23页 |
| 2.2.3 基于中心向量分类方法改进的k NN分类器 | 第23-24页 |
| 2.3 模糊积分 | 第24-26页 |
| 2.3.1 模糊测度 | 第24-25页 |
| 2.3.2 模糊积分 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于模糊积分的多分类器融合文本分类 | 第27-45页 |
| 3.1 文本分类和多分类器融合 | 第27-32页 |
| 3.1.1 文本分类的一般过程 | 第27-29页 |
| 3.1.2 多分类器融合的一般过程 | 第29-32页 |
| 3.2 基于模糊积分的多神经网络分类器融合文本分类 | 第32-34页 |
| 3.2.1 单个神经网络分类器 | 第32-33页 |
| 3.2.2 多个神经网络分类器融合 | 第33-34页 |
| 3.3 基于模糊积分的多k NN分类器融合文本分类 | 第34-38页 |
| 3.3.1 D-S证据理论 | 第34-35页 |
| 3.3.2 多k NN分类器融合 | 第35-38页 |
| 3.4 两种基于模糊积分的多分类器融合的比较 | 第38-43页 |
| 3.4.1 神经网络分类器与k NN分类器的比较 | 第38-39页 |
| 3.4.2 两种融合分类器的使用条件 | 第39-40页 |
| 3.4.3 与其它融合方法的比较 | 第40-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第4章 实例应用与结果分析 | 第45-52页 |
| 4.1 基于模糊积分的多神经网络分类器融合的文本分类 | 第45-47页 |
| 4.2 基于模糊积分的多k NN分类器融合的文本分类 | 第47-49页 |
| 4.3 结果分析 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 附录 | 第58页 |
