稀疏表示编码模型及其在文本分类中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 论文的研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文的研究内容和组织结构 | 第10-12页 |
| 第二章 文本预处理 | 第12-16页 |
| 2.1 文本预处理任务 | 第12页 |
| 2.2 分词算法 | 第12-16页 |
| 2.2.1 基于字符串匹配的分词算法 | 第13-14页 |
| 2.2.2 基于理解的分词方法 | 第14-15页 |
| 2.2.3 基于统计的分词方法 | 第15-16页 |
| 第三章 基于TF-IDF的关键词提取及矩阵生成 | 第16-26页 |
| 3.1 关键词提取现状分析 | 第16-19页 |
| 3.2 文本的向量空间表示 | 第19-20页 |
| 3.3 基于权重的文本关键词提取 | 第20-24页 |
| 3.3.1 TF-IDF函数 | 第20-22页 |
| 3.3.2 关键词矩阵生成 | 第22-24页 |
| 3.4 本章小结 | 第24-26页 |
| 第四章 基于稀疏表示编码（SRC）模型的文本分类 | 第26-38页 |
| 4.1 SRC理论 | 第26-31页 |
| 4.1.1 SRC理论的涵义 | 第26-27页 |
| 4.1.2 SRC理论的发展 | 第27-28页 |
| 4.1.3 SRC理论的应用 | 第28-31页 |
| 4.2 SRC模型 | 第31-34页 |
| 4.2.1 SRC模型 | 第31-32页 |
| 4.2.2 SRC算法 | 第32页 |
| 4.2.3 SRC模型的求解 | 第32-34页 |
| 4.3 基于SRC模型的文本分类 | 第34-38页 |
| 4.3.1 稀疏字典的建立 | 第34页 |
| 4.3.2 文本分类算法 | 第34-36页 |
| 4.3.3 文本分类实验设计 | 第36-38页 |
| 第五章 文本分类实验结果分析和对比 | 第38-52页 |
| 5.1 分类性能评价指标 | 第38页 |
| 5.2 稀疏字典的完备性对分类结果的影响 | 第38-44页 |
| 5.2.1 实验过程及结果 | 第38-42页 |
| 5.2.2 实验结果分析 | 第42-44页 |
| 5.3 文本类别数对分类结果的影响 | 第44-48页 |
| 5.3.1 实验过程及结果 | 第44-46页 |
| 5.3.2 实验结果分析 | 第46-48页 |
| 5.4 SRC与K-means分类器对比 | 第48-52页 |
| 5.4.1 K-means分类器介绍 | 第48页 |
| 5.4.2 实验结果及分析 | 第48-52页 |
| 第六章 总结和展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 发表论文和参加科研情况说明 | 第59-60页 |
| 致谢 | 第60-61页 |
