| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 选题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 文本分类 | 第11-13页 |
| 1.2.2 支持向量机 | 第13-14页 |
| 1.3 本文研究内容与组织结构 | 第14-16页 |
| 第二章 文本分类与短文本分类 | 第16-34页 |
| 2.1 文本分类 | 第16-31页 |
| 2.1.1 分类问题描述 | 第16页 |
| 2.1.2 文本表示模型 | 第16-19页 |
| 2.1.3 文本预处理 | 第19-20页 |
| 2.1.4 特征加权 | 第20页 |
| 2.1.5 特征降维 | 第20-21页 |
| 2.1.6 文本分类器设计 | 第21-27页 |
| 2.1.7 文本分类性能评测 | 第27-31页 |
| 2.2 短文本分类 | 第31-32页 |
| 2.3 本章小结 | 第32-34页 |
| 第三章 基于GA和CHI的文本特征选择算法 | 第34-48页 |
| 3.1 卡方检验 | 第34-36页 |
| 3.2 遗传算法 | 第36页 |
| 3.3 基于遗传算法和卡方检验的文本特征选择算法 | 第36-39页 |
| 3.3.1 编码 | 第37页 |
| 3.3.2 适应度函数 | 第37页 |
| 3.3.3 遗传算子和控制参数 | 第37-39页 |
| 3.4 实验设计与结果分析 | 第39-46页 |
| 3.4.1 实验设计 | 第39-40页 |
| 3.4.2 结果分析 | 第40-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于AdaBoost的PSOSVM分类器 | 第48-68页 |
| 4.1 支持向量机 | 第48-52页 |
| 4.1.1 VC维简介 | 第48页 |
| 4.1.2 结构风险最小化理论 | 第48-50页 |
| 4.1.3 用松弛变量处理离群点的方法 | 第50-52页 |
| 4.2 粒子群优化算法 | 第52-54页 |
| 4.3 AdaBoost算法 | 第54-55页 |
| 4.4 AdaBoost-PSOSVM分类器 | 第55-58页 |
| 4.4.1 PSOSVM算法 | 第56-57页 |
| 4.4.2 基于AdaBoost集成的PSOSVM分类算法 | 第57-58页 |
| 4.5 实验设计与结果分析 | 第58-66页 |
| 4.5.1 实验环境和数据集 | 第58-59页 |
| 4.5.2 实验流程 | 第59页 |
| 4.5.3 结果分析 | 第59-66页 |
| 4.6 本章小结 | 第66-68页 |
| 第五章 基于FEGAX和AdaBoost-PSOSVM的短文本分类模型 | 第68-78页 |
| 5.1 短文本分类模型的思路 | 第68-71页 |
| 5.2 实验设计与结果分析 | 第71-77页 |
| 5.2.1 实验说明 | 第72-73页 |
| 5.2.2 结果分析 | 第73-77页 |
| 5.3 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 研究工作总结 | 第78-79页 |
| 6.2 展望 | 第79-80页 |
| 参考文献 | 第80-88页 |
| 攻读学位期间所取得的相关科研成果 | 第88-90页 |
| 致谢 | 第90-91页 |