基于SVM的文本分类系统中特征选择与权重计算算法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11-12页 |
| ·文本分类国内外研究现状 | 第12-13页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13页 |
| ·文本分类的概述 | 第13-15页 |
| ·文本分类的定义 | 第13-14页 |
| ·文本分类的类型 | 第14页 |
| ·文本分类的模式 | 第14页 |
| ·文本分类涉及的技术领域 | 第14-15页 |
| ·本文的组织结构 | 第15-17页 |
| 第二章 中文文本分类技术研究 | 第17-27页 |
| ·中文文本分类体系结构 | 第17页 |
| ·文本的预处理 | 第17-20页 |
| ·文本分词技术 | 第19-20页 |
| ·停用词处理 | 第20页 |
| ·文本的特征选择和权重计算 | 第20-21页 |
| ·文本表示 | 第21-23页 |
| ·布尔模型 | 第21页 |
| ·概率模型 | 第21-22页 |
| ·向量空间模型 | 第22-23页 |
| ·文本分类算法 | 第23-26页 |
| ·KNN算法 | 第23-24页 |
| ·神经网络算法 | 第24-25页 |
| ·贝叶斯算法 | 第25页 |
| ·SVM算法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于SVM的文本分类算法 | 第27-39页 |
| ·统计学习理论 | 第27-28页 |
| ·支持向量机 | 第28-31页 |
| ·最优分类面 | 第28-29页 |
| ·线性可分SVM | 第29-30页 |
| ·线性不可分SVM | 第30-31页 |
| ·非线性可分SVM | 第31页 |
| ·SVM性能优化研究 | 第31-34页 |
| ·惩罚参数C的选择 | 第32-33页 |
| ·核函数的选择 | 第33-34页 |
| ·SVM多分类问题研究 | 第34-36页 |
| ·SVM多分类的理论基础 | 第34页 |
| ·SVM多分类方法介绍 | 第34-35页 |
| ·SVM多分类器的构造模式 | 第35-36页 |
| ·SVM的实际应用步骤 | 第36-37页 |
| ·SVM在文本分类中的优势和问题 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 特征选择和权重计算算法的改进 | 第39-51页 |
| ·经典的特征选择算法介绍 | 第39-41页 |
| ·信息增益 | 第39-40页 |
| ·互信息 | 第40页 |
| ·X~2-校验 | 第40-41页 |
| ·期望交叉熵 | 第41页 |
| ·文本证据权重 | 第41页 |
| ·典特征选择算法的分析比较 | 第41-42页 |
| ·改进的组合特征选择算法 | 第42-44页 |
| ·基于文本证据权重的初步选择 | 第42-43页 |
| ·基于互信息的二步选择 | 第43页 |
| ·改进的组合特征选择算法 | 第43-44页 |
| ·经典的权重计算方法介绍 | 第44-47页 |
| ·布尔权重 | 第45页 |
| ·开根号权重 | 第45页 |
| ·TF-IDF权重 | 第45-47页 |
| ·改进的权重计算方法 | 第47-49页 |
| ·基于特征词类别分布的权重改进 | 第47-49页 |
| ·基于特征词位置分布的权重改进 | 第49页 |
| ·本章小结 | 第49-51页 |
| 第五章 文本分类系统设计与性能评价 | 第51-63页 |
| ·分类系统功能需求分析 | 第51-52页 |
| ·文本分类实验 | 第52-58页 |
| ·实验语料库 | 第52页 |
| ·实验步骤 | 第52-58页 |
| ·分类性能评价和结果分析 | 第58-61页 |
| ·分类性能评价标准 | 第58-59页 |
| ·分类结果分析 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻读学位期间发表论文目录 | 第71页 |
