文本分类特征选择与分类算法的改进
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·背景意义 | 第8-10页 |
| ·研究现状 | 第10-11页 |
| ·主要内容及论文结构 | 第11-12页 |
| ·论文主要内容 | 第11-12页 |
| ·论文结构 | 第12页 |
| ·本章小结 | 第12-14页 |
| 第二章 文本分类技术简介 | 第14-30页 |
| ·文本分类定义 | 第14页 |
| ·文本分类特点 | 第14-15页 |
| ·文本分类流程 | 第15-16页 |
| ·文本预处理 | 第16-18页 |
| ·分词 | 第16-18页 |
| ·去停用词 | 第18页 |
| ·特征选择 | 第18-22页 |
| ·文档频数 | 第19页 |
| ·信息增益 | 第19-20页 |
| ·互信息 | 第20页 |
| ·2统计量 | 第20-21页 |
| ·期望交叉熵 | 第21页 |
| ·文本证据权 | 第21-22页 |
| ·文本表示 | 第22-24页 |
| ·布尔模型 | 第22-23页 |
| ·概率模型 | 第23页 |
| ·向量空间模型 | 第23-24页 |
| ·特征权重计算 | 第24-25页 |
| ·文本分类算法 | 第25-28页 |
| ·K-最近邻分类算法 | 第25-26页 |
| ·朴素贝叶斯分类算法 | 第26页 |
| ·支持向量机分类方法 | 第26-28页 |
| ·分类评估 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 互信息特征选择方法研究 | 第30-42页 |
| ·互信息特征选择方法 | 第30-33页 |
| ·传统的互信息方法 | 第30-32页 |
| ·互信息方法存在的不足 | 第32-33页 |
| ·基于文本词频的互信息特征选择方法 | 第33-36页 |
| ·特征类频度 | 第34页 |
| ·特征类内分散度 | 第34-35页 |
| ·最小词频 | 第35页 |
| ·最小特征冗余 | 第35-36页 |
| ·基于文本词频的互信息特征选择方法 | 第36-37页 |
| ·实验 | 第37-40页 |
| ·实验步骤 | 第37-39页 |
| ·实验结果及分析评价 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 KNN 分类算法研究 | 第42-50页 |
| ·经典 KNN 分类算法 | 第42-44页 |
| ·动态获取 K 值 | 第44-45页 |
| ·改进的 KNN 文本分类算法 | 第45-46页 |
| ·实验 | 第46-48页 |
| ·实验介绍 | 第46页 |
| ·实验结果与分析 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·总结 | 第50-51页 |
| ·展望 | 第51-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-58页 |
