| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| Contents | 第9-12页 |
| 第一章 绪论 | 第12-19页 |
| ·国内外相关研究概述 | 第12-14页 |
| ·文本自动分类在国内外的发展 | 第12-13页 |
| ·中文文本分类的发展与现状 | 第13-14页 |
| ·文本分类概述 | 第14-17页 |
| ·文本分类的定义 | 第14-15页 |
| ·文本分类方法 | 第15-16页 |
| ·文本分类的应用 | 第16-17页 |
| ·文本分类的研究背景和意义 | 第17-18页 |
| ·论文的组织结构 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第二章 文本分类关键技术 | 第19-28页 |
| ·文本分类过程 | 第19-23页 |
| ·文本信息的预处理 | 第19-20页 |
| ·向量空间模型 | 第20-22页 |
| ·空间降维 | 第22页 |
| ·特征匹配和分类 | 第22-23页 |
| ·文本分类算法 | 第23-27页 |
| ·Rocchhio方法 | 第23页 |
| ·简单向量距离分类法 | 第23页 |
| ·贝叶斯方法(Na(?)ve Bayes) | 第23-24页 |
| ·K最近邻居方法(K Nearest Neighbor, KNN) | 第24页 |
| ·决策树方法 | 第24-25页 |
| ·支持向量机(Support Vector Machine, SVM) | 第25-26页 |
| ·神经网络方法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 神经模糊系统 | 第28-46页 |
| ·模糊逻辑 | 第28-33页 |
| ·模糊集合(Fuzzy Sets) | 第28-30页 |
| ·模糊推理(Fuzzy Inference) | 第30-33页 |
| ·人工神经网络 | 第33-37页 |
| ·人工神经网络的模型 | 第34-36页 |
| ·多层感知器 | 第36-37页 |
| ·神经模糊系统(Neuro-Fuzzy System) | 第37-45页 |
| ·神经模糊系统背景 | 第37-39页 |
| ·神经模糊系统定义 | 第39页 |
| ·神经模糊系统结构 | 第39-41页 |
| ·神经模糊分类描述 | 第41-42页 |
| ·神经模糊系统分类算法 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 文本分类系统的设计 | 第46-61页 |
| ·系统任务 | 第46页 |
| ·系统结构 | 第46页 |
| ·文本预处理 | 第46-49页 |
| ·文本模糊表示 | 第49-50页 |
| ·信息增益(Information Gain, IG)降维 | 第50-52页 |
| ·Na(?)ve Bayes算法 | 第52-56页 |
| ·贝叶斯理论 | 第52-53页 |
| ·贝叶斯分类问题表述 | 第53-54页 |
| ·贝叶斯分类器 | 第54-56页 |
| ·贝叶斯模型特点 | 第56页 |
| ·神经模糊系统优化Na(?)ve Bayes分类算法 | 第56-60页 |
| ·贝叶斯分类器的神经模糊优化算法 | 第57-59页 |
| ·优化算法实现问题 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 文本分类系统的实现 | 第61-72页 |
| ·软件结构 | 第61-64页 |
| ·分类性能评估指标 | 第64-65页 |
| ·实验数据及其分析 | 第65-71页 |
| ·实验语料分析 | 第65-68页 |
| ·实验结果及其分析 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 课题总结与展望 | 第72-74页 |
| 一、论文小结 | 第72-73页 |
| 二、下一步的工作 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 硕士期间已发表和录用的文章 | 第79-80页 |
| 独创性声明 | 第80-81页 |
| 致谢 | 第81页 |
