基于自适应遗传BP神经网络的文本分类方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 引言 | 第9-15页 |
| ·选题背景与研究意义 | 第9-10页 |
| ·国内外研究现状及分析 | 第10-13页 |
| ·文本分类的发展现状 | 第10-11页 |
| ·遗传算法国内外研究现状 | 第11-12页 |
| ·BP神经网络国内外研究现状 | 第12-13页 |
| ·论文的研究工作 | 第13页 |
| ·论文的组织结构 | 第13-15页 |
| 第2章 文本分类 | 第15-23页 |
| ·概述 | 第15页 |
| ·文本分类的一般过程 | 第15-19页 |
| ·文本特征的表示 | 第16-17页 |
| ·文本特征的提取 | 第17-19页 |
| ·常用文本分类方法 | 第19-22页 |
| ·向量空间模型法 | 第19页 |
| ·基于关联的分类方法 | 第19-20页 |
| ·简单向量距离分类法 | 第20页 |
| ·简单的贝叶斯分类算法 | 第20页 |
| ·K最近邻居(KNN)算法 | 第20-21页 |
| ·支持向量机 | 第21页 |
| ·词表法分类 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 遗传BP神经网络算法 | 第23-41页 |
| ·遗传算法理论 | 第23-33页 |
| ·遗传算法概述 | 第23页 |
| ·遗传算法基本原理 | 第23页 |
| ·基本遗传算法步骤 | 第23-31页 |
| ·遗传算法的特点 | 第31页 |
| ·遗传算法的应用 | 第31-33页 |
| ·BP神经网络理论 | 第33-38页 |
| ·BP神经网络概述 | 第33页 |
| ·BP神经元 | 第33-34页 |
| ·BP神经网络基本原理 | 第34-37页 |
| ·BP神经网络的特点及其改进 | 第37-38页 |
| ·传统遗传BP神经网络算法 | 第38-40页 |
| ·概述 | 第38-39页 |
| ·算法步骤 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 自适应遗传BP神经网络算法 | 第41-47页 |
| ·基本思想 | 第41-42页 |
| ·AG_BPNN算法步骤 | 第42-46页 |
| ·编码方案 | 第42-43页 |
| ·群体设定及初始化 | 第43页 |
| ·适应度函数的确定 | 第43-44页 |
| ·遗传操作 | 第44-45页 |
| ·算法的流程图 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 AG_BPNN文本分类模型系统设计与实现 | 第47-58页 |
| ·系统实现的目的 | 第47页 |
| ·系统开发平台与开发环境 | 第47页 |
| ·本文分类系统概要设计 | 第47-49页 |
| ·改进的文本分类系统主要功能模块处理流程 | 第49-51页 |
| ·训练模块 | 第49-51页 |
| ·分类模块 | 第51页 |
| ·文本分类的实验结果及分析 | 第51-57页 |
| ·实验数据 | 第51-52页 |
| ·文本分类效果评估标准 | 第52-53页 |
| ·系统性能测试 | 第53-56页 |
| ·实验结果分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第6章 结论与展望 | 第58-60页 |
| ·全文总结 | 第58页 |
| ·近一步工作方向 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读学位期间的研究成果 | 第64页 |
