基于相关性分组原理的中文文本分类特征选择方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 选题的背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 文章内容与结构安排 | 第13-15页 |
| 第二章 文本分类技术的综述 | 第15-25页 |
| 2.1 文本分类的基本概念和相关技术 | 第15-16页 |
| 2.1.1 文本分类的基本概念 | 第15页 |
| 2.1.2 文本分类的一般流程 | 第15-16页 |
| 2.2 文本预处理 | 第16-19页 |
| 2.2.1 去除符号 | 第16页 |
| 2.2.2 去停用词 | 第16-17页 |
| 2.2.3 分词 | 第17-18页 |
| 2.2.4 文本表示 | 第18-19页 |
| 2.3 特征选择 | 第19-20页 |
| 2.3.1 产生过程 | 第19-20页 |
| 2.3.2 评价函数 | 第20页 |
| 2.3.3 停止准则 | 第20页 |
| 2.3.4 验证过程 | 第20页 |
| 2.4 特征加权 | 第20-21页 |
| 2.5 分类算法 | 第21-23页 |
| 2.5.1 Rocchio算法 | 第21页 |
| 2.5.2 朴素贝叶斯分类 | 第21-22页 |
| 2.5.3 K-最近邻分类 | 第22页 |
| 2.5.4 决策树 | 第22页 |
| 2.5.5 支持向量机 | 第22-23页 |
| 2.6 分类效果评估 | 第23-24页 |
| 2.7 本章小结 | 第24-25页 |
| 第三章 改进的拉普拉斯特征选择算法 | 第25-37页 |
| 3.1 常见的特征选择算法 | 第25-31页 |
| 3.1.1 文档频率 | 第25-26页 |
| 3.1.2 互信息 | 第26-27页 |
| 3.1.3 信息增益 | 第27页 |
| 3.1.4 开方拟合检验 | 第27-28页 |
| 3.1.5 拉普拉斯特征评分 | 第28-29页 |
| 3.1.6 费舍尔评分 | 第29-30页 |
| 3.1.7 基于l_(2,1)范数的特征选择 | 第30-31页 |
| 3.1.8 无监督的局部差异性分析的特征选择 | 第31页 |
| 3.2 改进的拉普拉斯特征选择算法 | 第31-33页 |
| 3.2.1 特征相关性分组原理 | 第31-32页 |
| 3.2.2 特征相关性分组的拉普拉斯评分 | 第32-33页 |
| 3.3 实验结果 | 第33-36页 |
| 3.4 结论 | 第36-37页 |
| 第四章 改进的基于分组的特征选择算法 | 第37-43页 |
| 4.1 改进的特征分组 | 第37页 |
| 4.2 改进的基于分组的特征选择算法 | 第37-39页 |
| 4.3 实验结果 | 第39-42页 |
| 4.4 结论 | 第42-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 工作总结 | 第43页 |
| 5.2 工作展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-51页 |
| 攻读学位期间发表的学术论文 | 第51页 |
