| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 主要内容与论文结构 | 第17-19页 |
| 第二章 文本分类相关技术概述 | 第19-29页 |
| 2.1 文本分类基础理论 | 第19-20页 |
| 2.1.1 定义 | 第19页 |
| 2.1.2 文本分类的一般过程 | 第19-20页 |
| 2.2 文本预处理 | 第20-21页 |
| 2.3 特征选择 | 第21-24页 |
| 2.3.1 文档频率 | 第22-23页 |
| 2.3.2 信息增益 | 第23页 |
| 2.3.3 ×~2统计量 | 第23-24页 |
| 2.4 特征加权 | 第24-25页 |
| 2.5 分类算法 | 第25-27页 |
| 2.5.1 简单向量距离算法 | 第25-26页 |
| 2.5.2 KNN算法 | 第26页 |
| 2.5.3 支持向量机 | 第26页 |
| 2.5.4 决策树方法 | 第26-27页 |
| 2.6 分类性能评估 | 第27-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第三章 基于蚁群优化算法的特征选择 | 第29-44页 |
| 3.1 蚁群优化算法 | 第29-30页 |
| 3.2 基于特征选择的蚁群模拟 | 第30-31页 |
| 3.3 基于蚁群优化算法的特征选择 | 第31-37页 |
| 3.3.1 特征选择的适应度评价 | 第31-32页 |
| 3.3.2 蚁群的启发式路径选择 | 第32-33页 |
| 3.3.3 信息素更新规则 | 第33页 |
| 3.3.4 局部搜索 | 第33-34页 |
| 3.3.5 算法流程与描述 | 第34-37页 |
| 3.4 实验与评价 | 第37-43页 |
| 3.4.1 实验方法 | 第37页 |
| 3.4.2 数据集 | 第37-38页 |
| 3.4.3 特征选择结果 | 第38-41页 |
| 3.4.4 实验结果 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于TF-RFIDF的有监督特征加权改进 | 第44-56页 |
| 4.1 特征加权方法 | 第44-48页 |
| 4.1.1 无监督特征加权方法 | 第44-46页 |
| 4.1.2 有监督特征加权方法 | 第46-48页 |
| 4.2 基于TF-RFIDF的有监督特征加权的改进 | 第48-50页 |
| 4.3 实验与评价 | 第50-55页 |
| 4.3.1 实验设计 | 第50-51页 |
| 4.3.2 数据集 | 第51页 |
| 4.3.3 KNN分类器 | 第51-52页 |
| 4.3.4 性能评价 | 第52页 |
| 4.3.5 实验结果 | 第52-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 基于关联规则的KNN分类算法改进 | 第56-67页 |
| 5.1 传统KNN文本分类算法 | 第56-57页 |
| 5.2 关联规则 | 第57-58页 |
| 5.3 基于关联规则的改进的KNN分类算法 | 第58-61页 |
| 5.3.1 基本思路 | 第58-59页 |
| 5.3.2 算法描述 | 第59-61页 |
| 5.4 实验与评价 | 第61-66页 |
| 5.4.1 实验设计 | 第61-62页 |
| 5.4.2 数据集 | 第62页 |
| 5.4.3 性能评价 | 第62页 |
| 5.4.4 实验结果 | 第62-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-70页 |
| 6.1 工作总结 | 第67-68页 |
| 6.2 研究展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读学位期间发表的学术论文 | 第74-75页 |
| 致谢 | 第75页 |