文本分类的特征选择和分类方法研究
| 摘要 | 第1-11页 |
| ABSTRACT | 第11-12页 |
| 第1章 绪论 | 第12-18页 |
| ·论文背景 | 第12页 |
| ·文本分类概念 | 第12-13页 |
| ·研究目的与意义 | 第13-14页 |
| ·信息过滤 | 第13页 |
| ·邮件分类 | 第13页 |
| ·信息组织 | 第13-14页 |
| ·研究现状及挑战 | 第14-16页 |
| ·特征处理 | 第14页 |
| ·SVM相关技术研究 | 第14-15页 |
| ·数据集不平衡问题 | 第15页 |
| ·多层次分类问题 | 第15-16页 |
| ·主要工作与创新点 | 第16-18页 |
| 第2章 文本分类技术简介 | 第18-38页 |
| ·文本的表示 | 第18-19页 |
| ·降维模型简介 | 第19页 |
| ·特征选择 | 第19-22页 |
| ·文档频数 | 第20页 |
| ·信息增益 | 第20页 |
| ·期望交叉熵 | 第20页 |
| ·胜算比 | 第20-21页 |
| ·互信息 | 第21页 |
| ·卡方统计 | 第21页 |
| ·相关系数 | 第21-22页 |
| ·特征抽取 | 第22-25页 |
| ·主成分分析 | 第22-23页 |
| ·线性判别分析 | 第23-24页 |
| ·潜在语义索引 | 第24-25页 |
| ·特征聚类 | 第25页 |
| ·分类模型 | 第25-35页 |
| ·贝叶斯模型 | 第26-27页 |
| ·KNN模型 | 第27页 |
| ·决策树 | 第27-29页 |
| ·支持向量机 | 第29-34页 |
| ·集成学习 | 第34-35页 |
| ·评估方法 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第3章 SCFS特征选择方法 | 第38-47页 |
| ·SCFS方法模型介绍 | 第38-41页 |
| ·实验及实验分析 | 第41-45页 |
| ·数据集与实验设置 | 第41-42页 |
| ·实验一 | 第42-43页 |
| ·实验二 | 第43-44页 |
| ·实验三 | 第44-45页 |
| ·实验总结 | 第45页 |
| ·本章小结 | 第45-47页 |
| 第4章 针对文本分类的改进SVM集成方法 | 第47-57页 |
| ·分类器构造与集成 | 第47-49页 |
| ·集成有效性 | 第49-50页 |
| ·SVM集成 | 第50-52页 |
| ·针对文本分类的改进SVM集成方法 | 第52-55页 |
| ·实验结果及分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-58页 |
| ·主要工作与特色 | 第57页 |
| ·进一步的工作 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文目录 | 第65-66页 |
| 学位论文评阅及答辩情况表 | 第66页 |
