文本分类的特征选择方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 图表清单 | 第9-10页 |
| 注释表 | 第10-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究的目的和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·本文所做的工作和组织结构 | 第14-16页 |
| ·本文所做的工作 | 第14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 文本分类的基础理论和相关技术 | 第16-24页 |
| ·文本分类的基础理论 | 第16-18页 |
| ·文本分类基本概念 | 第16页 |
| ·文本聚类 | 第16-17页 |
| ·文本分类的过程 | 第17页 |
| ·文本分类的难点 | 第17-18页 |
| ·文本分类的相关技术 | 第18-23页 |
| ·文本预处理 | 第18-20页 |
| ·文本表示 | 第20-22页 |
| ·权重计算 | 第22-23页 |
| ·特征选择 | 第23页 |
| ·分类算法 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第三章 特征选择算法 | 第24-35页 |
| ·特征选择概述 | 第24-25页 |
| ·常用的特征选择算法 | 第25-29页 |
| ·特征频率(TF) | 第25页 |
| ·文档频率(DF) | 第25-26页 |
| ·信息增益(IG) | 第26-27页 |
| ·互信息(MI) | 第27-28页 |
| ·期望交叉熵(ECE) | 第28页 |
| ·χ2 统计法(CHI) | 第28-29页 |
| ·基于熵的TFIDF 公式用于特征选择(TDE) | 第29-34页 |
| ·TFIDF 公式 | 第29-30页 |
| ·传统TFIDF 分析 | 第30-32页 |
| ·词条对分类的重要程度 | 第30-31页 |
| ·TFIDF 分析 | 第31-32页 |
| ·改进的TFIDF 方法(TDE) | 第32-34页 |
| ·信息熵理论 | 第32页 |
| ·特征词的类内熵和类间熵 | 第32-34页 |
| ·基于改进的TFIDF 特征选择方法(TDE) | 第34页 |
| ·本章小结 | 第34-35页 |
| 第四章 文本分类算法 | 第35-42页 |
| ·类中心法(Rocchio) | 第35-36页 |
| ·朴素贝叶斯法(NB) | 第36-38页 |
| ·K 近邻方法(KNN) | 第38页 |
| ·支持向量机(SVM) | 第38-40页 |
| ·决策树(DT) | 第40页 |
| ·神经网络方法 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 实验与分析 | 第42-49页 |
| ·分类效果的评价体系 | 第42-44页 |
| ·影响分类效果的主要因素 | 第42-43页 |
| ·分类效果的评价方法 | 第43-44页 |
| ·特征选择方法的实验与分析 | 第44-47页 |
| ·三种分类方法的实验比较 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·论文主要工作 | 第49页 |
| ·下一步工作及展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 在学期间的研究成果及发表的论文 | 第56页 |
