文本分类中基于概念聚合的KNN算法优化问题研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·文本分类的研究现状 | 第12页 |
| ·KNN算法的研究现状 | 第12-13页 |
| ·本文的研究内容 | 第13-14页 |
| ·本文章节安排 | 第14-16页 |
| 第二章 文本分类概述 | 第16-26页 |
| ·文本分类过程 | 第16-17页 |
| ·预处理 | 第17-18页 |
| ·特征选择 | 第18-20页 |
| ·文本模型表示 | 第20-21页 |
| ·分类算法 | 第21-23页 |
| ·基于统计的文本分类算法 | 第21-22页 |
| ·基于规则的文本分类算法 | 第22-23页 |
| ·分类性能评价指标 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 结合概念聚合和文本特征位串的KNN算法 | 第26-38页 |
| ·特征提取的不足 | 第26页 |
| ·概念聚合 | 第26-29页 |
| ·文本特征位串 | 第29-32页 |
| ·基于文本特征位串的改进KNN算法 | 第32-34页 |
| ·实验分析 | 第34-36页 |
| ·分类效果方面 | 第35页 |
| ·分类效率方面 | 第35-36页 |
| ·实验小结 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第四章 结合概念聚合和特征多类别矩阵的KNN算法 | 第38-47页 |
| ·χ~2统计量分析 | 第38页 |
| ·同义特征词CHI向量聚合 | 第38-39页 |
| ·χ~2统计量特征多类别矩阵 | 第39-41页 |
| ·两次类别判定改进KNN算法 | 第41-43页 |
| ·类别初判定 | 第41-42页 |
| ·改进KNN算法 | 第42-43页 |
| ·实验分析 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第五章 总结与展望 | 第47-49页 |
| ·全文总结 | 第47页 |
| ·展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 攻读学位期间发表论文情况 | 第53页 |
