因子分析算法的研究及其在Web文本特征提取中的应用
| 第一章 引言 | 第1-11页 |
| ·课题的研究背景和意义 | 第7-8页 |
| ·课题研究现状 | 第8页 |
| ·研究课题的来源和主要研究目的 | 第8-9页 |
| ·本文的研究内容及文章组织 | 第9-11页 |
| ·研究内容 | 第9页 |
| ·本文的组织 | 第9-11页 |
| 第二章 Web文本挖掘模型 | 第11-16页 |
| ·Web文本挖掘概述 | 第11-12页 |
| ·Web文本挖掘的定义 | 第11页 |
| ·Web文本挖掘特点 | 第11-12页 |
| ·Web文本挖掘的一般处理过程 | 第12-13页 |
| ·文本挖掘的常用技术 | 第13-16页 |
| ·文本自动分类 | 第13页 |
| ·文本聚类 | 第13-14页 |
| ·文本总结 | 第14-15页 |
| ·关联分析 | 第15-16页 |
| 第三章 文本挖掘的相关技术 | 第16-26页 |
| ·信息预处理 | 第16-19页 |
| ·自动分词技术 | 第16-17页 |
| ·自动分词算法分类 | 第17-18页 |
| ·本系统应用的分词算法 | 第18-19页 |
| ·特征表示 | 第19-20页 |
| ·特征提取 | 第20-26页 |
| ·独立评估方法 | 第21-23页 |
| ·主成分分析法 | 第23-26页 |
| 第四章 基于因子分析的特征提取算法 | 第26-33页 |
| ·概述 | 第26页 |
| ·因子分析的数理统计背景 | 第26-27页 |
| ·矩阵的奇异值分解理论 | 第27-28页 |
| ·矩阵的奇异值分解在特征提取中的应用 | 第28-30页 |
| ·基于因子分析的特征提取算法的具体步骤 | 第30-32页 |
| ·特征提取结果在后续分类中的应用 | 第32-33页 |
| 第五章 基于向量相似度的遗传算法 | 第33-45页 |
| ·遗传算法的基本特征 | 第33-34页 |
| ·基本遗传算法的描述 | 第34-36页 |
| ·遗传算法的关键参数确定 | 第36-37页 |
| ·遗传算法在特征提取中的具体应用 | 第37-43页 |
| ·编码方法及染色体构造 | 第37-38页 |
| ·适应度函数 | 第38-40页 |
| ·选择算子 | 第40页 |
| ·交叉算子 | 第40-43页 |
| ·利用遗传算法进行特征提取的具体步骤 | 第43-45页 |
| 第六章 系统设计与实验测试 | 第45-50页 |
| ·系统的具体实现 | 第45-46页 |
| ·开发环境 | 第45页 |
| ·系统模型 | 第45-46页 |
| ·模型质量评估 | 第46-50页 |
| ·基于因子分析的特征提取算法 | 第46-48页 |
| ·基于遗传算法的特征提取 | 第48-50页 |
| 结束语 | 第50-52页 |
| 1 本文的主要研究成果和创新点 | 第50-51页 |
| 2 存在的问题和对未来工作的展望 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 致 谢 | 第54-55页 |
| 个人简历及发表的论文 | 第55页 |
