首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于分词频的特征选择算法在文本分类中的研究

摘要第3-4页
abstract第4-5页
1 绪论第8-12页
    1.1 研究背景与意义第8-9页
    1.2 研究现状第9-10页
        1.2.1 文本分类研究现状第9-10页
        1.2.2 特征选择研究现状第10页
    1.3 论文研究内容及组织结构第10-12页
        1.3.1 研究内容第10-11页
        1.3.2 组织结构第11-12页
2 相关理论第12-24页
    2.1 基础理论第12-14页
    2.2 文本预处理第14-16页
    2.3 文本表示第16-17页
        2.3.1 布尔模型第16页
        2.3.2 概率模型第16页
        2.3.3 向量空间模型第16-17页
    2.4 特征提取和特征选择第17-18页
    2.5 特征加权第18-19页
        2.5.1 布尔权重第18页
        2.5.2 TF-IDF第18-19页
    2.6 文本分类算法第19-21页
        2.6.1 K近邻算法第19-20页
        2.6.2 支持向量机算法第20-21页
        2.6.3 朴素贝叶斯算法第21页
        2.6.4 Rocchio算法第21页
    2.7 分类性能评估指标第21-23页
    2.8 本章小结第23-24页
3 基于分词频文档频率的特征选择算法第24-40页
    3.1 相关特征选择算法第24-26页
    3.2 STF-DF算法第26-31页
        3.2.1 算法思想第26-29页
        3.2.2 算法描述第29-31页
    3.3 实验设置第31-32页
    3.4 实验结果与分析第32-38页
        3.4.1 20NewsGroups数据集的实验结果第32-34页
        3.4.2 Classic3数据集上的实验结果第34-35页
        3.4.3 WebKB数据集上的实验结果第35-37页
        3.4.4 结果分析第37-38页
    3.5 本章小结第38-40页
4 基于分词频逆类频率的特征选择算法第40-52页
    4.1 相关特征选择算法第40页
    4.2 STF-ICF算法第40-44页
        4.2.1 算法研究动机第40-41页
        4.2.2 算法描述第41-44页
    4.3 实验设置第44-45页
    4.4 实验结果与分析第45-50页
        4.4.1 WAP数据集的实验结果第45-46页
        4.4.2 K1a数据集的实验结果第46-47页
        4.4.3 K1b数据集的实验结果第47-48页
        4.4.4 RE0数据集的实验结果第48-49页
        4.4.5 RE1数据集的实验结果第49页
        4.4.6 结果分析第49-50页
    4.5 本章小结第50-52页
5 总结与展望第52-54页
    5.1 工作总结第52页
    5.2 工作展望第52-54页
致谢第54-56页
参考文献第56-60页
在校期间学术成果及获奖情况第60页

论文共60页,点击 下载论文
上一篇:云环境下文件同步研究与应用
下一篇:较复杂模型3D打印前处理关键算法研究