| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第6-17页 |
| ·文档自动分类概述 | 第6-8页 |
| ·文本自动分类的原理 | 第8-10页 |
| ·基于机器学习的文本分类方法 | 第10-12页 |
| ·汉语文本自动分类的特殊性及处理方法 | 第12-15页 |
| ·本文的主要内容及结构 | 第15-17页 |
| 第二章 汉语训练文本的预处理 | 第17-27页 |
| ·基于词典的汉语文本自动分词 | 第17-19页 |
| ·基于EM算法的中文文本自动分词 | 第19-21页 |
| ·分词中的歧义字段的处理 | 第21-23页 |
| ·训练文本特征提取-降维(TSR) | 第23-27页 |
| 第三章 基于多类的汉语文本分类-模糊模式识别方法 | 第27-34页 |
| ·机器学习和文本分类 | 第27-28页 |
| ·模糊模式识别原理 | 第28-29页 |
| ·文本的特征表示 | 第29-31页 |
| ·模糊C-原型算法 | 第31-34页 |
| 第四章 基于多类的汉语文本分类-BOOSTING方法 | 第34-42页 |
| ·文本分类器组方法:BOOSTING训练算法 | 第34-37页 |
| ·弱分类器的选择 | 第37-38页 |
| ·改进的BOOSTING算法-ADABOOST.MH~(KR)算法 | 第38-40页 |
| ·待分类文本的分类 | 第40-42页 |
| 第五章 两种文本分类方法的性能测试和比较 | 第42-47页 |
| ·分类性能测试评估方法 | 第42-43页 |
| ·测试数据源 | 第43-44页 |
| ·分类器学习及分类测试结果 | 第44-45页 |
| ·两种分类方法性能比较 | 第45-47页 |
| 第六章 基于多类的智能信息处理系统 | 第47-55页 |
| ·课题背景及系统功能描述 | 第47-51页 |
| ·系统总体结构和实现原理 | 第51-52页 |
| ·基于多类的文本自动分类模块的实现 | 第52-54页 |
| ·分类实验结果 | 第54-55页 |
| 结束语 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |