基于广义信息熵的维吾尔文文本分类器的设计与实现
| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 研究目的 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.4 研究内容 | 第15页 |
| 1.5 本文的组织结构 | 第15-17页 |
| 第2章 相关技术简介 | 第17-26页 |
| 2.1 文本分类特征 | 第17-21页 |
| 2.1.1 主要的文本分类特征简介 | 第17-20页 |
| 2.1.2 传统特征选择方法分析 | 第20页 |
| 2.1.3 基于熵的文本分类特征 | 第20-21页 |
| 2.2 基于遗传算法的决策树算法 | 第21-23页 |
| 2.2.1 理论基础 | 第21-23页 |
| 2.2.2 处理流程 | 第23页 |
| 2.3 中英维语料库简介 | 第23-25页 |
| 2.3.1 BCC汉语语料库 | 第23-24页 |
| 2.3.2 美国当代英语语料库 | 第24-25页 |
| 2.3.3 维吾尔语语料库 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 方案选择与总体设计 | 第26-34页 |
| 3.1 方案选择 | 第26-29页 |
| 3.1.1 维吾尔文语料集合分析 | 第26-27页 |
| 3.1.2 维吾尔文文本分类研究的现状 | 第27页 |
| 3.1.3 现有决策树算法的优缺点比较 | 第27-28页 |
| 3.1.4 本文的文本分类的方案 | 第28-29页 |
| 3.2 系统总体架构 | 第29页 |
| 3.3 遗传算法动态调整广义信息熵的参数 | 第29-31页 |
| 3.4 文本分类的思路和流程 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 详细实现与实验分析 | 第34-48页 |
| 4.1 GIE-FDT算法的详细流程 | 第34-35页 |
| 4.2 GIE-FDT算法程序实现 | 第35-36页 |
| 4.3 模型训练算法 | 第36-38页 |
| 4.3.1 SGD算法介绍 | 第37页 |
| 4.3.2 SGD算法描述 | 第37-38页 |
| 4.3.3 SGD算法应用 | 第38页 |
| 4.4 实验结果 | 第38-40页 |
| 4.4.1 数据集 | 第38-39页 |
| 4.4.2 评价标准 | 第39页 |
| 4.4.3 实验结果 | 第39-40页 |
| 4.5 算法分析 | 第40-47页 |
| 4.5.1 准确性比较 | 第40-44页 |
| 4.5.2 模型训练时间 | 第44-45页 |
| 4.5.3 分类实时性 | 第45-46页 |
| 4.5.4 抗干扰性 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48-49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53页 |
