基于实例的文本自动分类技术的研究与实现

第一章 绪论	第1-14页
·文本分类概述	第7-8页
·相关工作	第8-10页
·Rainbow 文本分类系统	第10-11页
·项目简介	第11-12页
·本文的工作及文章结构	第12-14页
第二章 基于实例的学习	第14-17页
·机器学习	第14-15页
·基于实例的学习	第15-16页
·基于实例的学习的几种方法	第16-17页
第三章 kNN 和其他常用文本分类算法的性能比较	第17-28页
·引言	第17页
·文本分类模型	第17-19页
·几种文本分类算法的研究	第19-24页
·支持向量机	第19-21页
·k-近邻法	第21-22页
·Naive Bayes 算法	第22-24页
·各种算法的性能评价	第24-28页
第四章 k 最近特征线算法及其实现	第28-34页
·引言	第28-29页
·相关工作	第29-31页
·k 最近特征线法	第31-32页
·实验及分析	第32-34页
第五章 S-IkNFL 算法	第34-41页
·引言	第34页
·相关工作	第34-35页
·EM 文本分类算法	第35-36页
·EM 算法	第35页
·EM 文本分类算法	第35-36页
·S-IkNFL 算法	第36-40页
·朴素贝叶斯分类器	第36-38页
·SPY 技术	第38-39页
·迭代的kNFL 算法---IkNFL 算法	第39-40页
·实验及分析	第40-41页
第六章 总结及今后的工作	第41-42页
·工作总结	第41页
·工作展望	第41-42页
参考文献	第42-46页
论文摘要	第46-48页
Abstract	第48-50页
致谢	第50-51页
导师及作者简介	第51页