基于自编码神经网络文本特征选择的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-10页 |
| 1.4 研究内容与本文结构 | 第10-12页 |
| 2 文本特征选择与可视化技术的简介 | 第12-21页 |
| 2.1 文本特征的介绍 | 第12-15页 |
| 2.1.1 文本特征的概念 | 第12页 |
| 2.1.2 文本特征的提取 | 第12-13页 |
| 2.1.3 文本特征提取技术分析 | 第13-15页 |
| 2.2 可视化技术的介绍 | 第15-19页 |
| 2.2.1 可视化的概念 | 第15-16页 |
| 2.2.2 可视化技术的分类 | 第16-18页 |
| 2.2.3 可视化技术的比较 | 第18-19页 |
| 2.3 文本特征提取的可视化应用 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 自编码神经网络 | 第21-33页 |
| 3.1 人工神经网络 | 第21-23页 |
| 3.1.1 人工神经网络概念 | 第21页 |
| 3.1.2 人工神经网络的结构 | 第21-23页 |
| 3.2 BP神经网络 | 第23-27页 |
| 3.2.1 BP神经网络概念 | 第23-24页 |
| 3.2.2 BP神经网络的工作原理 | 第24-27页 |
| 3.2.3 BP神经网络的优缺点 | 第27页 |
| 3.3 自编码神经网络 | 第27-31页 |
| 3.3.1 深度学习的概念 | 第27-28页 |
| 3.3.2 自编码神经网络 | 第28-31页 |
| 3.4 自编码神经网络的应用领域 | 第31-32页 |
| 3.5 本章总结 | 第32-33页 |
| 4 基于自编码神经网络文本特征提取模型的设计 | 第33-48页 |
| 4.1 自编码神经网络文本特征提取模型的提出 | 第33页 |
| 4.2 自编码神经网络的工作流程 | 第33-35页 |
| 4.3 数据处理 | 第35-39页 |
| 4.3.1 样本的选择 | 第35-36页 |
| 4.3.2 样本的预处理 | 第36-39页 |
| 4.4 自编码神经网络的设计 | 第39-42页 |
| 4.5 MATLAB的仿真实现 | 第42-47页 |
| 4.5.1 MATLAB软件的概述 | 第42-43页 |
| 4.5.2 建立神经网络结构模型 | 第43-44页 |
| 4.5.3 实验结果误差分析 | 第44-45页 |
| 4.5.4 训练时间 | 第45-46页 |
| 4.5.5 微调 | 第46-47页 |
| 4.6 测试结果 | 第47页 |
| 4.7 结果分析 | 第47-48页 |
| 4.8 本章小结 | 第48页 |
| 5 总结 | 第48-49页 |
| 6 展望 | 第49-51页 |
| 7 参考文献 | 第51-58页 |
| 8 攻读硕士学位期间发表论文情况 | 第58-59页 |
| 9 致谢 | 第59页 |
