高性能特征选择及文本分类算法研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第3-6页 |
| 第一章 引言 | 第6-9页 |
| ·研究背景 | 第6页 |
| ·研究意义 | 第6-7页 |
| ·本文工作 | 第7-8页 |
| ·论文组织 | 第8-9页 |
| 第二章 特征选择及文本分类综述 | 第9-15页 |
| ·文本的表示方法 | 第9-10页 |
| ·词 | 第9页 |
| ·n-gram | 第9-10页 |
| ·降维技术 | 第10-13页 |
| ·特征选择 | 第10-12页 |
| ·特征提取 | 第12-13页 |
| ·文本分类方法 | 第13-15页 |
| ·中心法 | 第13页 |
| ·最近邻法 | 第13-14页 |
| ·朴素贝耶斯 | 第14-15页 |
| 第三章 基于 TF的特征选择算法 | 第15-28页 |
| ·概述 | 第15页 |
| ·DF的粗糙集解释 | 第15-19页 |
| ·改进的 DF | 第19-20页 |
| ·改进的信息增益 | 第20-21页 |
| ·改进的互信息 | 第21页 |
| ·DF的进一步改进 | 第21-22页 |
| ·试验结果及分析 | 第22-28页 |
| ·语料集及分类器 | 第22页 |
| ·评价标准 | 第22-23页 |
| ·试验结果 | 第23-27页 |
| ·试验结论 | 第27-28页 |
| 第四章 基于区分类别能力的特征选择方法 | 第28-39页 |
| ·引言 | 第28页 |
| ·区分类别的能力 | 第28-31页 |
| ·基本约束条件 | 第29页 |
| ·类别区分能力的两个极端情况 | 第29-31页 |
| ·类别区分能力的量化 | 第31页 |
| ·高性能特征选择函数的设计与实现 | 第31-34页 |
| ·高性能特征选择算法的设计步骤 | 第31-32页 |
| ·现有特征选择函数分析 | 第32-33页 |
| ·设计新的特征选择函数 | 第33-34页 |
| ·试验结果及分析 | 第34-37页 |
| ·语料集及分类器 | 第34页 |
| ·试验结果 | 第34-37页 |
| ·本章结论 | 第37-39页 |
| 第五章 弱文本分类器分析 | 第39-47页 |
| ·文本分类器分析 | 第39-41页 |
| ·试验验证 | 第41-43页 |
| ·弱分类器改进方法 | 第43-46页 |
| ·总结与进一步工作 | 第46-47页 |
| 第六章 结束语 | 第47-49页 |
| ·本文总结 | 第47页 |
| ·进一步工作 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 在学期间发表的学术论文和参加科研情况 | 第53页 |
