数据挖掘系统及其应用研究——用关联特征提高朴素贝叶斯文本分类器的性能
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第1章 引言 | 第8-13页 |
| ·数据挖掘 | 第8-9页 |
| ·文本分类 | 第9-11页 |
| ·问题的提出 | 第11-12页 |
| ·本文结构组织 | 第12-13页 |
| 第2章 文本分类 | 第13-25页 |
| ·文本分类的定义 | 第13-14页 |
| ·文档的表示 | 第14-15页 |
| ·分类技术 | 第15-18页 |
| ·贝叶斯 | 第16页 |
| ·决策树 | 第16-17页 |
| ·神经网络 | 第17页 |
| ·最近邻居 | 第17-18页 |
| ·支持向量机 | 第18页 |
| ·分类器评价标准 | 第18-24页 |
| ·训练集和测试集 | 第19-20页 |
| ·查全率和查对率 | 第20-22页 |
| ·BEP和F_1 | 第22-24页 |
| ·小结 | 第24-25页 |
| 第3章 基于关联规则的朴素贝叶斯文本分类器 | 第25-34页 |
| ·NBAT文本分类器 | 第25-28页 |
| ·原理及研究意义 | 第25-26页 |
| ·NBAT处理流程 | 第26-28页 |
| ·相关工作 | 第28-32页 |
| ·关联分类器 | 第28-29页 |
| ·ARC-BC | 第29-31页 |
| ·LB | 第31-32页 |
| ·NBAT与相关工作的比较 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第4章 关联特征生成及剪枝 | 第34-47页 |
| ·关联特征 | 第34页 |
| ·关联规则挖掘 | 第34-35页 |
| ·Apriori算法 | 第35-37页 |
| ·关联特征生成 | 第37-39页 |
| ·关联特征剪枝 | 第39-45页 |
| ·冗余剔除 | 第40-41页 |
| ·特征筛选 | 第41-45页 |
| ·小结 | 第45-47页 |
| 第5章 用关联特征进行分类 | 第47-52页 |
| ·朴素贝叶斯分类器 | 第47-49页 |
| ·用关联特征进行分类的例子 | 第49-51页 |
| ·小结 | 第51-52页 |
| 第6章 实验结果及性能评价 | 第52-61页 |
| ·实验文档集 | 第52-53页 |
| ·实验结果及性能比较 | 第53-59页 |
| ·挖掘关联特征 | 第53-55页 |
| ·分类结果 | 第55-56页 |
| ·性能分析 | 第56-59页 |
| ·分类效率分析 | 第59页 |
| ·小结 | 第59-61页 |
| 第7章 结论及工作展望 | 第61-63页 |
| ·本文总结 | 第61页 |
| ·工作展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
