| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 引言 | 第8页 |
| 1.2 文本分类研究现状 | 第8-11页 |
| 1.2.1 国外文本分类方法的研究现状 | 第9页 |
| 1.2.2 国内文本分类方法的研究现状 | 第9页 |
| 1.2.3 国内外文本分类领域的新的发展 | 第9-11页 |
| 1.3 主要研究内容 | 第11页 |
| 1.4 本文的组织结构 | 第11-12页 |
| 2 文本分类算法概述 | 第12-27页 |
| 2.1 引言 | 第12页 |
| 2.2 文本分类技术 | 第12-15页 |
| 2.2.1 文本分类的概述 | 第12-13页 |
| 2.2.2 文本分类的过程 | 第13-14页 |
| 2.2.3 文本分类的应用 | 第14-15页 |
| 2.3 文本预处理 | 第15页 |
| 2.4 文本表示 | 第15-17页 |
| 2.4.1 布尔权重 | 第16-17页 |
| 2.4.2 词频权重 | 第17页 |
| 2.4.3 词频逆文档率权重 | 第17页 |
| 2.5 数据简化处理 | 第17-18页 |
| 2.5.1 数据合并处理 | 第17-18页 |
| 2.5.2 抽样处理 | 第18页 |
| 2.5.3 降维处理 | 第18页 |
| 2.6 文本分类的几种经典方法 | 第18-26页 |
| 2.6.1 基于向量空间模型的文本分类算法 | 第18-21页 |
| 2.6.2 基于统计学分类方法的文本分类算法 | 第21-23页 |
| 2.6.3 基于归纳学习算法的文本分类算法 | 第23-24页 |
| 2.6.4 基于关联规则的文本分类算法 | 第24-25页 |
| 2.6.5 基于规则的文本分类算法 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 3 蚁群算法概述 | 第27-32页 |
| 3.1 引言 | 第27页 |
| 3.2 基本蚁群算法概述 | 第27-29页 |
| 3.3 蚁群系统 | 第29页 |
| 3.4 最大-最小蚂蚁系统 | 第29-30页 |
| 3.5 基于调节信息素挥发度的自适应蚁群算法 | 第30页 |
| 3.6 本章小结 | 第30-32页 |
| 4 基于蚁群算法的文本分类模型：Ant-Miner 算法 | 第32-43页 |
| 4.1 引言 | 第32页 |
| 4.2 基于蚁群优化算法的文本分类模型：Ant-Miner | 第32-35页 |
| 4.2.1 Ant-Miner 步骤： | 第32-33页 |
| 4.2.2 规则生成 | 第33-34页 |
| 4.2.3 计算规则的质量 Q | 第34-35页 |
| 4.2.4 规则剪枝 | 第35页 |
| 4.3 基于最大-最小蚂蚁系统的动态自适应 Ant-Miner 算法模型 | 第35-38页 |
| 4.3.1 启发式因子 | 第36页 |
| 4.3.2 信息素更新 | 第36-37页 |
| 4.3.3 条件项的选择概率 | 第37-38页 |
| 4.3.4 改进的规则质量 Q | 第38页 |
| 4.4 评价指标及性能比较 | 第38-39页 |
| 4.4.1 评价指标 | 第38-39页 |
| 4.4.2 分类算法性能的比较 | 第39页 |
| 4.5 实验结果和分析 | 第39-42页 |
| 4.5.1 实验所用数据集 | 第39-40页 |
| 4.5.2 实验所用参数的设置 | 第40-42页 |
| 4.6 本章小结 | 第42-43页 |
| 5 总结和展望 | 第43-44页 |
| 5.1 总结 | 第43页 |
| 5.2 展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47-48页 |
| 在读期间公开发表论文（著）及科研情况 | 第48页 |
