| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景 | 第10-11页 |
| ·研究现状 | 第11-12页 |
| ·文本分类存在问题 | 第12-13页 |
| ·本文主要内容和结构 | 第13-15页 |
| 第二章 文本分类技术研究 | 第15-27页 |
| ·文本分类的一般步骤 | 第15-16页 |
| ·文本预处理 | 第16页 |
| ·文本表示 | 第16-17页 |
| ·特征选择方法 | 第17-19页 |
| ·分类算法 | 第19-23页 |
| ·Naive Bayes 方法 | 第20-21页 |
| ·KNN 方法 | 第21-22页 |
| ·决策树方法 | 第22-23页 |
| ·实验对比分析 | 第23-26页 |
| ·特征降维对比分析 | 第23-24页 |
| ·分类方法对比分析 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 人工鱼群和 BP 神经网络算法 | 第27-41页 |
| ·人工鱼群算法 | 第27-32页 |
| ·人工鱼群算法的基本思想 | 第27页 |
| ·人工鱼群算法的发展及研究现状 | 第27-28页 |
| ·人工鱼群算法的描述 | 第28-29页 |
| ·人工鱼群算法的实现 | 第29-32页 |
| ·TSP 问题的描述 | 第29页 |
| ·人工鱼群算法的优化实例 | 第29-32页 |
| ·神经网络理论 | 第32-34页 |
| ·神经网络定义 | 第32页 |
| ·神经网络基本原理 | 第32-33页 |
| ·神经网络分类 | 第33-34页 |
| ·BP 神经网络的特点 | 第34页 |
| ·BP 神经网络理论 | 第34-40页 |
| ·BP 神经网络模型 | 第34-35页 |
| ·BP 网络学习过程 | 第35-37页 |
| ·BP 网络数学表达 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于 AFSA_BPNN 优化算法的文本分类器研究 | 第41-49页 |
| ·基本思想 | 第41页 |
| ·人工鱼群 BP 神经网络算法步骤 | 第41-47页 |
| ·编码设计 | 第41-42页 |
| ·构造适应值函数 | 第42-43页 |
| ·基于 AFSA 的 BP 神经网络优化算法 | 第43-47页 |
| ·仿真试验与性能分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 文本分类模型系统设计与实现 | 第49-59页 |
| ·文本分类系统概要设计 | 第49-50页 |
| ·改进的文本分类系统主要功能模块流程 | 第50-52页 |
| ·训练模块 | 第50-52页 |
| ·分类模块 | 第52页 |
| ·文本分类的实验结果与分析 | 第52-58页 |
| ·实验数据 | 第52-53页 |
| ·文本分类效果评估标准 | 第53-54页 |
| ·实验结果对比分析 | 第54-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 结束语 | 第59-61页 |
| ·本文主要工作 | 第59-60页 |
| ·进一步的工作 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 个人简介 | 第65页 |