KNN算法的改进及其在文本分类中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文所做的工作 | 第11-12页 |
| ·本文的组织结构 | 第12-13页 |
| 第二章 文本分类关键技术研究 | 第13-20页 |
| ·文本表示方法 | 第13-14页 |
| ·中文分词技术 | 第14-15页 |
| ·停用词处理技术 | 第15-16页 |
| ·特征选择方法 | 第16-18页 |
| ·文档频率 | 第16-17页 |
| ·互信息 | 第17页 |
| ·信息增益 | 第17页 |
| ·X~2 统计(CHI) | 第17-18页 |
| ·特征权重计算方法 | 第18-20页 |
| ·布尔权重 | 第18页 |
| ·TF 权重 | 第18页 |
| ·IDF 权重 | 第18-19页 |
| ·TFIDF 权重 | 第19-20页 |
| 第三章 文本分类算法研究 | 第20-26页 |
| ·朴素贝叶斯算法 | 第20页 |
| ·类中心向量法 | 第20-21页 |
| ·KNN 算法 | 第21-22页 |
| ·支持向量机 | 第22-23页 |
| ·神经网络算法 | 第23-24页 |
| ·决策树算法 | 第24页 |
| ·分类性能评价指标 | 第24-25页 |
| ·各分类算法比较 | 第25-26页 |
| 第四章 基于向量投影的KNN 文本分类算法 | 第26-34页 |
| ·KNN 算法研究现状 | 第26-27页 |
| ·基于向量投影的KNN 算法思想 | 第27-31页 |
| ·投影寻踪理论 | 第27-28页 |
| ·iDistance 降维方法 | 第28-29页 |
| ·基于向量投影的样本裁剪 | 第29-31页 |
| ·实验结果及分析 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第五章 文本分类系统的设计与功能 | 第34-44页 |
| ·系统体系结构 | 第34-37页 |
| ·传统KNN 分类系统 | 第34页 |
| ·基于PKNN 算法的改进文本分类系统 | 第34-37页 |
| ·各模块设计及功能 | 第37-43页 |
| ·训练模块设计及功能 | 第37-39页 |
| ·分类模块设计及功能 | 第39-42页 |
| ·评价模块设计 | 第42-43页 |
| ·系统的特点 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第六章 实验及结果分析 | 第44-50页 |
| ·实验数据集介绍 | 第44页 |
| ·实验结果 | 第44-49页 |
| ·CHI 和DF 对分类效果的对照实验 | 第44-47页 |
| ·特征维数对分类性能的影响 | 第47页 |
| ·K 值选取对分类性能的影响 | 第47页 |
| ·PKNN 与 KNN 分类性能对比测试 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第七章 总结和展望 | 第50-52页 |
| ·总结 | 第50页 |
| ·进一步的工作 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第56页 |
