| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 引言 | 第8-23页 |
| ·选题背景与研究意义 | 第8页 |
| ·文本分类关键技术综述 | 第8-19页 |
| ·文本分类问题概述 | 第9页 |
| ·文本分类的流程 | 第9-10页 |
| ·文本分类的关键技术及难点 | 第10-19页 |
| ·文本分类的研究现状 | 第19-21页 |
| ·国外文本分类的研究现状 | 第19-20页 |
| ·国内文本分类的研究现状 | 第20-21页 |
| ·文本高维问题研究现状 | 第21页 |
| ·论文的研究工作 | 第21-22页 |
| ·论文的组织结构 | 第22-23页 |
| 第2章 粗糙集理论 | 第23-29页 |
| ·概述 | 第23页 |
| ·粗糙集理论基本概念 | 第23-26页 |
| ·论域、概念 | 第23页 |
| ·信息系统、决策表 | 第23-24页 |
| ·不分明关系、基本知识、基本概念 | 第24页 |
| ·上近似、下近似、边界、正区域、负区域 | 第24页 |
| ·独立性、属性约简、相对约简、核 | 第24-25页 |
| ·分辨矩阵、分辨函数 | 第25-26页 |
| ·基于分辨矩阵的粗糙集经典属性约简算法 | 第26-28页 |
| ·决策表离散化 | 第26-27页 |
| ·基于分辨矩阵的经典属性约简算法思想及算法描述 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 支持向量机理论 | 第29-38页 |
| ·支持向量机的特点 | 第29-30页 |
| ·支持向量机的研究现状 | 第30页 |
| ·支持向量机理论基础 | 第30-37页 |
| ·最优分类面 | 第30-31页 |
| ·线性支持向量机 | 第31-34页 |
| ·核函数 | 第34-35页 |
| ·非线性支持向量机 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 改进的基于属性重要度函数的文本特征空间降维算法 | 第38-52页 |
| ·本文采用粗糙集理论对文本特征空间进行降维的原因 | 第38页 |
| ·粗糙集理论在文本特征空间降维前期处理 | 第38-40页 |
| ·经典粗糙集理论在文本特征空间降维的应用 | 第40-42页 |
| ·经典粗糙集理论在文本特征空间约简过程 | 第40-41页 |
| ·经典属性约简算法性能分析 | 第41-42页 |
| ·基于属性频率函数的粗糙集属性约简算法 | 第42-43页 |
| ·基于属性频率函数的粗糙集属性约简算法描述 | 第42页 |
| ·基于属性频率函数的粗糙集属性约简算法分析 | 第42-43页 |
| ·改进基于属性重要度函数的属性约简算法 | 第43-51页 |
| ·改进算法使用的相关概念 | 第43-44页 |
| ·对基于属性频率函数的粗糙集属性约简算法的改进 | 第44-47页 |
| ·改进算法在文本特征空间降维中的应用 | 第47-50页 |
| ·算法的复杂度分析与比较 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 粗糙集和支持向量机理论相结合的文本分类系统设计与实现 | 第52-75页 |
| ·系统实现的目的 | 第52页 |
| ·系统开发平台与开发环境 | 第52页 |
| ·系统概要设计 | 第52-55页 |
| ·主要功能模块详细设计 | 第55-62页 |
| ·文本预处理模块 | 第55-57页 |
| ·文本表示模块 | 第57-58页 |
| ·文本特征降维模块 | 第58-61页 |
| ·分类器训练模块 | 第61页 |
| ·文本分类模块 | 第61页 |
| ·分类效果评价模块 | 第61-62页 |
| ·文本分类的实验结果及分析 | 第62-73页 |
| ·实验数据 | 第62页 |
| ·文本分类效果评估标准 | 第62-64页 |
| ·实验 | 第64-69页 |
| ·实验结果分析 | 第69-73页 |
| ·本章小结 | 第73-75页 |
| 第6章 结论与展望 | 第75-78页 |
| ·全文总结 | 第75-76页 |
| ·理论方面 | 第75页 |
| ·系统设计与实现 | 第75-76页 |
| ·实验结论 | 第76页 |
| ·进一步工作方向 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 攻读学位期间的研究成果 | 第82页 |