| 第一章 引言 | 第1-10页 |
| 1．1 研究背景 | 第6-7页 |
| 1．2 论文工作 | 第7-8页 |
| 1．3 论文组织 | 第8-10页 |
| 第二章 文本分类概述 | 第10-30页 |
| 2．1 文本的表示 | 第10-11页 |
| 2．2 项的权值 | 第11页 |
| 2．3 维数约简 | 第11-24页 |
| 2．3．1 特征选择 | 第12-16页 |
| 2．3．2 特征提取 | 第16-24页 |
| 2．4 文本分类算法 | 第24-27页 |
| 2．4．1 最小距离分类器(Rocchio) | 第24-25页 |
| 2．4．2 K近邻分类器 | 第25页 |
| 2．4．3 SVM分类器 | 第25-27页 |
| 2．4．4 决策树算法 | 第27页 |
| 2．5 评价方法 | 第27-30页 |
| 第三章 投影寻踪 | 第30-44页 |
| 3．1 投影寻踪概述 | 第30-31页 |
| 3．1．1 投影寻踪的产生背景与发展 | 第30-31页 |
| 3．1．2 投影寻踪的基本思想及特点 | 第31页 |
| 3．2 投影寻踪指标 | 第31-34页 |
| 3．2．1 勒让德(A．M．Legendre)指标 | 第32-33页 |
| 3．2．2 埃尔米特(Hermite)指标 | 第33-34页 |
| 3．3 投影寻踪密度估计 | 第34-35页 |
| 3．4 投影寻踪聚类 | 第35-36页 |
| 3．5 投影寻踪回归 | 第36-44页 |
| 3．5．1 投影寻踪回归思想 | 第37页 |
| 3．5．2 投影寻踪回归算法 | 第37-40页 |
| 3．5．3 投影寻踪回归收敛性质 | 第40-44页 |
| 第四章 实验和分析 | 第44-54页 |
| 4．1 语料库 | 第44页 |
| 4．2 数据预处理 | 第44-45页 |
| 4．3 投影寻踪回归文本分类模型 | 第45-48页 |
| 4．3．1 模型的建立 | 第46-47页 |
| 4．3．2 投影方向的实现 | 第47-48页 |
| 4．3．3 参数投影寻踪回归学习策略 | 第48页 |
| 4．4 实验结果及分析 | 第48-54页 |
| 4．4．1 第一种拟合函数 | 第48-50页 |
| 4．4．2 第二种拟合函数 | 第50-52页 |
| 4．4．3 实验结果对比分析 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5．1 本文的总结 | 第54页 |
| 5．2 进一步研究的方向 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 独创性声明 | 第62页 |
| 论文使用授权说明 | 第62页 |