| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-12页 |
| ·论文选题背景 | 第7-8页 |
| ·论文研究的目的和意义 | 第8页 |
| ·国内外有关研究现状 | 第8-10页 |
| ·国内研究现状 | 第8-9页 |
| ·国外研究现状 | 第9-10页 |
| ·论文的研究工作和体系结构 | 第10-12页 |
| ·主要研究工作 | 第10-11页 |
| ·本文的体系结构 | 第11-12页 |
| 第二章 文本分类基本理论及相关技术 | 第12-21页 |
| ·文本分类定义 | 第12-13页 |
| ·文本表示模型 | 第13-14页 |
| ·布尔模型 | 第13页 |
| ·向量空间模型 | 第13页 |
| ·概率模型 | 第13-14页 |
| ·文本预处理 | 第14-15页 |
| ·特征降维问题的描述 | 第15页 |
| ·关键算法介绍 | 第15-16页 |
| ·文本分类方法概述 | 第16-18页 |
| ·基于统计的方法 | 第17页 |
| ·基于规则的方法 | 第17-18页 |
| ·文本分类性能评价 | 第18-21页 |
| ·影响因素分析 | 第18页 |
| ·评价标准 | 第18-21页 |
| 第三章 基于相似融合的文本特征降维方法 | 第21-34页 |
| ·引言 | 第21-22页 |
| ·特征降维方法 | 第22-24页 |
| ·特征选择 | 第22-24页 |
| ·特征抽取 | 第24页 |
| ·关于特征降维方法的讨论 | 第24-25页 |
| ·基于蚁群融合的特征降维 | 第25-27页 |
| ·单蚁群算法 | 第25-26页 |
| ·多蚁群并行模型 | 第26-27页 |
| ·算法描述 | 第27-29页 |
| ·分类算法的决策过程 | 第29-30页 |
| ·模拟实验 | 第30-33页 |
| ·分类系统 | 第30-31页 |
| ·实验数据集 | 第31页 |
| ·实验一 性能分析 | 第31-33页 |
| ·实验二 算法耗时分析 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于GA与k-means相结合的特征选择算法 | 第34-45页 |
| ·引言 | 第34-35页 |
| ·特征选择问题的数学模型 | 第35页 |
| ·GA与k-means相结合的特征选择设计 | 第35-38页 |
| ·文本表示 | 第35页 |
| ·特征项编码 | 第35页 |
| ·初始特征项群体的选择 | 第35-36页 |
| ·适应值函数 | 第36页 |
| ·基于k-means的算子选择 | 第36-38页 |
| ·交叉和变异 | 第38页 |
| ·终止条件 | 第38页 |
| ·GA与k-means结合的特征选择流程 | 第38-39页 |
| ·模拟实验 | 第39-44页 |
| ·性能评价 | 第39-40页 |
| ·实验数据 | 第40-41页 |
| ·实验一 分类性能比较 | 第41-43页 |
| ·实验二 本文的两种算法比较 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| ·总结 | 第45-46页 |
| ·展望 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 攻读硕士学位期间研究成果 | 第53-54页 |