现代信息检索中的文本分类及图像恢复研究
摘要 | 第1-7页 |
ABSTRACT | 第7-15页 |
第一章 绪论 | 第15-25页 |
·引言 | 第15-17页 |
·信息检索的研究现状及挑战 | 第17-19页 |
·主要研究内容 | 第19-21页 |
·中文自动分词 | 第19-20页 |
·文本特征选择 | 第20页 |
·文本训练和分类 | 第20-21页 |
·图像检索中的模糊图像恢复 | 第21页 |
·论文结构安排 | 第21-23页 |
参考文献 | 第23-25页 |
第二章 自动文本分类系统 | 第25-48页 |
·引言 | 第25-27页 |
·文本的表示 | 第27-31页 |
·文本特征 | 第27-28页 |
·文本预处理 | 第28-29页 |
·特征项权重 | 第29页 |
·向量规范化 | 第29-31页 |
·中文分词 | 第31-36页 |
·歧义字段的定义及分类 | 第31-32页 |
·分词方法 | 第32-36页 |
·特征选择 | 第36-39页 |
·分类器性能的评价标准 | 第39-42页 |
·单类的情况 | 第39-41页 |
·多类的情况 | 第41-42页 |
·文本集 | 第42-44页 |
·本章小结 | 第44-45页 |
参考文献 | 第45-48页 |
第三章 文本预处理 | 第48-68页 |
·引言 | 第48页 |
·分词 | 第48-60页 |
·评价分词的指标 | 第49页 |
·分词词典的构造 | 第49-51页 |
·首字哈希表 | 第50页 |
·词索引表 | 第50-51页 |
·词典正文 | 第51页 |
·改进的最大匹配法 | 第51-56页 |
·最大匹配法的主要缺点 | 第51-52页 |
·全局最大匹配法 | 第52-53页 |
·预测最大匹配法 | 第53-56页 |
·分词方法的时间复杂度比较 | 第56-60页 |
·精确的时间复杂度 | 第57-58页 |
·估算的时间复杂度 | 第58-60页 |
·分词方法比较的实验结果 | 第60-66页 |
·分词精度 | 第60-61页 |
·分类精度 | 第61-66页 |
·本章小结 | 第66-67页 |
参考文献 | 第67-68页 |
第四章 特征选择 | 第68-80页 |
·引言 | 第68页 |
·评价函数法 | 第68-71页 |
·filter法和wrapper法 | 第68-69页 |
·向量特征选择 | 第69-71页 |
·特征表示 | 第71页 |
·特征抽取 | 第71-73页 |
·K-L变换 | 第71-72页 |
·奇异值分解 | 第72-73页 |
·特征选择方法比较的实验结果 | 第73-78页 |
·本章小结 | 第78-79页 |
参考文献 | 第79-80页 |
第五章 文本分类器 | 第80-96页 |
·引言 | 第80页 |
·分类算法 | 第80-84页 |
·Naive Bayes法 | 第80-82页 |
·K近邻算法(KNN) | 第82页 |
·Rocchio法 | 第82-83页 |
·决策树/决策规则分类器 | 第83-84页 |
·基于方差的文本分类方法 | 第84-86页 |
·Rocchio法与支撑向量机相结合的分类器 | 第86-87页 |
·支撑向量机 | 第86-87页 |
·Rocchio法与 SVM的结合 | 第87页 |
·分类方法比较的实验结果 | 第87-93页 |
·本章小结 | 第93-94页 |
参考文献 | 第94-96页 |
第六章 图像检索 | 第96-110页 |
·引言 | 第96页 |
·图像检索中的关键技术 | 第96-102页 |
·预处理 | 第97页 |
·图像数据描述模型 | 第97-100页 |
·颜色 | 第97-98页 |
·形状 | 第98页 |
·纹理 | 第98-100页 |
·特征索引结构 | 第100页 |
·图像相似度度量 | 第100-101页 |
·图像查询 | 第101-102页 |
·模糊图像的预处理 | 第102-107页 |
·图像恢复系统模型 | 第103-104页 |
·算法原理 | 第104页 |
·算法实现 | 第104-106页 |
·仿真结果 | 第106-107页 |
·本章小结 | 第107-108页 |
参考文献 | 第108-110页 |
第七章 总结与展望 | 第110-112页 |
博士期间发表的论文 | 第112-113页 |
致谢 | 第113页 |