首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

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

论文共113页,点击 下载论文
上一篇:水化介质的细观力学模型与性能演化
下一篇:溶剂浮选分离富集葛根中大豆甙元及溶剂浮选机理的研究