粗糙集理论在文本挖掘的分类算法中的应用研究
| 第一章 绪论 | 第1-13页 |
| ·文本数据的挖掘 | 第8-9页 |
| ·信息检索与文本挖掘 | 第8-9页 |
| ·文本数据挖掘的一般过程 | 第9页 |
| ·文本数据挖掘的常用技术 | 第9-11页 |
| ·文本自动分类的历史与现状 | 第11页 |
| ·对于文本分类的研究动机 | 第11-12页 |
| ·本论文的主要工作 | 第12-13页 |
| 第二章 常用分类算法的性能分析 | 第13-21页 |
| ·文本自动分类系统的流程设计 | 第13-14页 |
| ·文本的向量空间模型 | 第14-15页 |
| ·特征项的提取 | 第15-16页 |
| ·常用文本分类算法 | 第16-19页 |
| ·简单中心向量比较算法 | 第16-17页 |
| ·K最近邻算法 | 第17页 |
| ·支持向量机算法 | 第17-19页 |
| ·分类器的性能评价指标 | 第19-20页 |
| ·实验结果分析 | 第20-21页 |
| 第三章 粗糙集理论 | 第21-32页 |
| ·概述 | 第21页 |
| ·知识的分类与知识库 | 第21-23页 |
| ·信息表知识表达系统与决策表 | 第23-24页 |
| ·粗糙集的理论基础 | 第24-27页 |
| ·下近似集与上近似集 | 第24页 |
| ·正域、负域与边界 | 第24-26页 |
| ·粗糙度与粗糙隶属函数 | 第26-27页 |
| ·基于粗糙集的知识发现模型 | 第27页 |
| ·决策表的离散化 | 第27-29页 |
| ·离散化问题的描述 | 第28页 |
| ·离散化算法介绍 | 第28-29页 |
| ·知识约简 | 第29-32页 |
| ·决策表的属性约简 | 第29-31页 |
| ·决策表的值约简 | 第31-32页 |
| 第四章 基于粗糙集理论的文本分类算法 | 第32-40页 |
| ·引言 | 第32-33页 |
| ·文本分类规则抽取系统的设计 | 第33-35页 |
| ·文本的预处理 | 第35页 |
| ·文本的特征提取与表示 | 第35-36页 |
| ·特征项权值的离散化与决策表的构造 | 第36-37页 |
| ·决策规则的表示 | 第37页 |
| ·实验结果的评估方法 | 第37-38页 |
| ·实验结果分析 | 第38-39页 |
| ·结束语 | 第39-40页 |
| 第五章 基于文本分类的搜索引擎系统设计 | 第40-45页 |
| ·概述 | 第40页 |
| ·搜索引擎的系统设计 | 第40-43页 |
| ·文本分类器的设计思想 | 第43页 |
| ·文本分类器的相关技术 | 第43-44页 |
| ·文本的特征抽取 | 第43页 |
| ·常用分类算法的特点比较 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第六章 总结与展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 附录: 已发表的论文 | 第51页 |
