流形学习及其在文本分类中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-18页 |
| ·选题背景及意义 | 第12-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·流形学习研究现状 | 第14-15页 |
| ·文本分类研究现状 | 第15-16页 |
| ·研究内容 | 第16-17页 |
| ·本文组织结构 | 第17-18页 |
| 第二章 流形学习算法 | 第18-28页 |
| ·流形学习定义 | 第18页 |
| ·线性降维算法 | 第18-20页 |
| ·主成分分析(PCA) | 第19页 |
| ·线性辨别分析(LDA) | 第19-20页 |
| ·多维尺度变换法(MDS) | 第20页 |
| ·非线性流形学习算法 | 第20-26页 |
| ·等距映射(ISOMAP) | 第21-22页 |
| ·局部线性嵌入(LLE) | 第22-24页 |
| ·拉普拉斯特征映射(LE) | 第24页 |
| ·Hessian 特征映射(HE) | 第24-25页 |
| ·局部切空间排列算法(LTSA) | 第25-26页 |
| ·流形学习算法分析总结 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 文本分类技术 | 第28-39页 |
| ·中文文本分类概述 | 第28-29页 |
| ·中文文本分类任务 | 第28页 |
| ·中文文本分类的过程 | 第28-29页 |
| ·文本预处理技术 | 第29-34页 |
| ·中文文本表示模型 | 第29-31页 |
| ·中文文本分词 | 第31-32页 |
| ·中文文本特征降维 | 第32-33页 |
| ·特征项权重的计算 | 第33-34页 |
| ·文本分类方法 | 第34-37页 |
| ·K-NN 算法 | 第34-35页 |
| ·贝叶斯算法 | 第35页 |
| ·SVM 算法 | 第35-36页 |
| ·集成学习算法 | 第36-37页 |
| ·文本分类器的性能评估 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于流形学习的文本分类算法 | 第39-49页 |
| ·文本分类预处理 | 第40-41页 |
| ·Bagging 文本分类算法 | 第41页 |
| ·基于流形学习的文本分类算法 | 第41-42页 |
| ·基于增量 ISOMAP 的文本分类算法 | 第42-44页 |
| ·实验与结果分析 | 第44-48页 |
| ·语料集 | 第44-45页 |
| ·文本分类器性能评估指标 | 第45页 |
| ·实验设计与结果分析 | 第45-46页 |
| ·相关方法比较 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 总结和展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表论文与科研工作 | 第55-56页 |
