基于CURE聚类的KNN文本分类研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文的主要工作 | 第13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第二章 文本分类技术及算法研究 | 第15-27页 |
| 2.1 文本分类概述 | 第15-17页 |
| 2.1.1 文本分类定义 | 第15页 |
| 2.1.2 文本分类特点 | 第15-16页 |
| 2.1.3 文本分类应用 | 第16-17页 |
| 2.2 文本分类过程 | 第17页 |
| 2.3 文本预处理 | 第17-21页 |
| 2.3.1 文本分词 | 第19-20页 |
| 2.3.2 文本表示模型 | 第20-21页 |
| 2.4 特征词处理技术 | 第21页 |
| 2.5 常用的文本分类方法 | 第21-24页 |
| 2.5.1 朴素贝叶斯方法 | 第21-22页 |
| 2.5.2 支持向量机方法 | 第22-23页 |
| 2.5.3 最近邻法KNN | 第23-24页 |
| 2.6 分类器性能评估 | 第24-25页 |
| 2.7 本章总结 | 第25-27页 |
| 第三章 特征处理相关技术研究及改进 | 第27-37页 |
| 3.1 特征选择 | 第27-29页 |
| 3.1.1 信息增益 | 第27-28页 |
| 3.1.2 互信息 | 第28页 |
| 3.1.3 期望交叉熵 | 第28-29页 |
| 3.2 特征选择实验 | 第29-31页 |
| 3.3 特征加权 | 第31-35页 |
| 3.3.1 TFIDF权重算法原理 | 第31-33页 |
| 3.3.2 基于信息增益的TFIDF改进 | 第33-35页 |
| 3.4 特征加权实验 | 第35页 |
| 3.5 本章小结 | 第35-37页 |
| 第四章 KNN分类算法研究及改进 | 第37-51页 |
| 4.1 近邻算法概述 | 第37-38页 |
| 4.1.1 近邻法原理 | 第37页 |
| 4.1.2 近邻法错误率 | 第37-38页 |
| 4.2 KNN概述 | 第38-42页 |
| 4.2.1 KNN原理 | 第38-41页 |
| 4.2.2 KNN错误率 | 第41页 |
| 4.2.3 KNN缺点及改进 | 第41-42页 |
| 4.3 基于CRUE聚类的改进KNN分类方法 | 第42-47页 |
| 4.3.1 CURE层次聚类算法 | 第42-45页 |
| 4.3.2 CURE聚类与KNN分类算法融合 | 第45页 |
| 4.3.3 CURE聚类改进 | 第45-47页 |
| 4.4 算法实验实现 | 第47-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 分类系统实现与结果分析 | 第51-65页 |
| 5.1 分类系统设计 | 第51-52页 |
| 5.2 系统界面实现 | 第52-56页 |
| 5.2.1 文本分词 | 第52-53页 |
| 5.2.2 KNN分类器 | 第53-56页 |
| 5.3 实验与分析 | 第56-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 全文总结 | 第65页 |
| 6.2 未来工作和展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 附录A (攻读硕士期间发表的论文) | 第72页 |
