文本分类算法研究
| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-6页 |
| 第一章 引言 | 第6-12页 |
| 1．1 文本分类概述 | 第6-7页 |
| 1．2 相关工作 | 第7-8页 |
| 1．3 研究动机 | 第8-9页 |
| 1．4 RAINBOW文本分类系统 | 第9-10页 |
| 1．5 本文所做的工作 | 第10-12页 |
| 第二章 常用文本分类算法性能研究 | 第12-21页 |
| 2．1 引言 | 第12页 |
| 2．2 文本分类模型 | 第12-14页 |
| 2．3 几种文本分类算法的研究 | 第14-17页 |
| 2．3．1 支持向量机 | 第14-15页 |
| 2．3．2 K-近邻法 | 第15-16页 |
| 2．3．3 Naive Bayes算法 | 第16-17页 |
| 2．4 各种算法的性能评价 | 第17-20页 |
| 2．5 小结 | 第20-21页 |
| 第三章 K最近特征线算法及其应用 | 第21-27页 |
| 3．1 引言 | 第21页 |
| 3．2 相关工作 | 第21-23页 |
| 3．3 K最近特征线法 | 第23-24页 |
| 3．4 实验及分析 | 第24-26页 |
| 3．5 小结 | 第26-27页 |
| 第四章 迭代TFIDF算法 | 第27-40页 |
| 4．1 引言 | 第27页 |
| 4．2 迭代TFIDF文本分类器 | 第27-35页 |
| 4．2．1 EM文本分类算法 | 第27-28页 |
| 4．2．1．1 EM算法 | 第27-28页 |
| 4．2．1．2 EM文本分类算法 | 第28页 |
| 4．2．2 非监督的聚类算法 | 第28-32页 |
| 4．2．2．1 聚类算法的特点 | 第29页 |
| 4．2．2．2 C均值算法 | 第29-30页 |
| 4．2．2．3 ISODATA算法 | 第30-31页 |
| 4．2．2．4 动态聚类算法存在的问题 | 第31-32页 |
| 4．2．3 迭代TFIDF算法 | 第32-35页 |
| 4．2．3．1 TFIDF算法 | 第32-33页 |
| 4．2．3．2 加入未分类文档 | 第33-35页 |
| 4．3 实验与分析 | 第35-39页 |
| 4．4 小结 | 第39-40页 |
| 第五章 主动学习的迭代TFIDF算法 | 第40-44页 |
| 5．1 引言 | 第40页 |
| 5．2 主动学习的迭代TFIDF文本分类算法 | 第40-41页 |
| 5．3 实验及分析 | 第41-43页 |
| 5．4 小结 | 第43-44页 |
| 第六章 结束语 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-50页 |
