基于粗糙集理论的文本分类技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·文本分类的研究背景和意义 | 第9页 |
| ·文本自动分类的研究现状 | 第9-11页 |
| ·文本自动分类的国外研究现状 | 第9-11页 |
| ·文本自动分类的国内研究现状 | 第11页 |
| ·粗糙集的发展历史和研究现状 | 第11-12页 |
| ·本文的结构和安排 | 第12-14页 |
| 第二章 文本分类概述 | 第14-28页 |
| ·文本分类的基本概念 | 第14页 |
| ·文本自动分类系统的流程设计 | 第14-15页 |
| ·文本表示模型 | 第15-20页 |
| ·文本项的权重计算方法 | 第15-17页 |
| ·文本描述模型 | 第17-20页 |
| ·维数约简 | 第20-22页 |
| ·特征选择方法 | 第20-21页 |
| ·特征抽取 | 第21-22页 |
| ·常用文本分类算法 | 第22-28页 |
| ·简单中心向量比较算法 | 第22-23页 |
| ·朴素贝叶斯算法 | 第23-24页 |
| ·KNN算法 | 第24页 |
| ·基于神经网络的算法 | 第24-26页 |
| ·支持向量机方法 | 第26-28页 |
| 第三章 粗糙集理论 | 第28-36页 |
| ·粗糙集概述 | 第28页 |
| ·知识的分类与知识库 | 第28-29页 |
| ·信息表知识表达系统与决策表 | 第29-31页 |
| ·信息表知识表达系统 | 第29-30页 |
| ·决策表信息系统 | 第30-31页 |
| ·粗糙集的理论基础 | 第31-33页 |
| ·不可分辨关系 | 第31页 |
| ·粗糙集与近似 | 第31-32页 |
| ·粗糙度 | 第32-33页 |
| ·基于决策表的知识约简 | 第33-36页 |
| ·决策表的属性约简 | 第33-34页 |
| ·决策表的值约简 | 第34-36页 |
| 第四章 基于粗糙集理论的文本分类模型 | 第36-42页 |
| ·采用粗糙集理论进行文本分类的优势 | 第36页 |
| ·基于粗糙集理论的文本分类模型 | 第36-42页 |
| ·文本预处理 | 第37-38页 |
| ·特征提取与表示 | 第38-39页 |
| ·特征项权值离散化 | 第39-40页 |
| ·构造决策信息表 | 第40页 |
| ·决策表属性约简 | 第40-41页 |
| ·决策表值约简 | 第41页 |
| ·生成决策规则 | 第41页 |
| ·进行文本分类测试 | 第41-42页 |
| 第五章 基于改进启发式属性约简的粗糙集文本分类 | 第42-54页 |
| ·属性重要性评价研究 | 第42-45页 |
| ·粗糙集理论对属性重要性的代数形式衡量方法 | 第42-44页 |
| ·基于文本特征选择的属性重要性的衡量方法 | 第44页 |
| ·综合粗糙集理论和文本特征选择的属性重要性评价 | 第44-45页 |
| ·启发式属性约简的研究和改进 | 第45-47页 |
| ·基于空集基础上的属性约简算法 | 第45-46页 |
| ·基于约简核基础上的属性约简算法 | 第46页 |
| ·改进的启发式属性约简算法 | 第46-47页 |
| ·实验过程与结果分析 | 第47-54页 |
| ·分类结果的评价指标 | 第47-48页 |
| ·实验数据 | 第48页 |
| ·实验步骤 | 第48-50页 |
| ·实验结果分析 | 第50-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·本文总结 | 第54-55页 |
| ·将来的工作 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 在读期间发表论文情况 | 第60页 |
