基于改进TANC的机器学习文本分类方法研究
| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-21页 |
| ·机器学习的研究背景及意义 | 第13-14页 |
| ·国内外研究现状 | 第14-19页 |
| ·现状研究 | 第14-16页 |
| ·机器学习领域综述 | 第16-18页 |
| ·文本分类简述 | 第18页 |
| ·文本分类的方法 | 第18页 |
| ·贝叶斯分类方法 | 第18-19页 |
| ·本文研究内容 | 第19-20页 |
| ·本文组织结构 | 第20-21页 |
| 第2章 文本分类技术及相关方法 | 第21-30页 |
| ·文本分类 | 第21-22页 |
| ·文本分类的基本定义 | 第21页 |
| ·文本分类的具体流程 | 第21-22页 |
| ·贝叶斯相关理论 | 第22-25页 |
| ·贝叶斯定理 | 第22-23页 |
| ·贝叶斯决策准则 | 第23页 |
| ·极大后验假设 | 第23-24页 |
| ·最小描述长度准则 | 第24-25页 |
| ·贝叶斯分类模型 | 第25-29页 |
| ·朴素贝叶斯分类器(NBC) | 第25-26页 |
| ·树扩展型朴素贝叶斯分类器 | 第26-27页 |
| ·BAN分类器 | 第27页 |
| ·GBN分类器 | 第27-28页 |
| ·贝叶斯网络分类器 | 第28-29页 |
| ·树扩展型朴素贝叶斯的优缺点 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于贝叶斯等价定理的TANC改进方法 | 第30-35页 |
| ·TANC分类模型 | 第30-31页 |
| ·TANC模型构造过程 | 第30页 |
| ·Friedman的TANC分类模型 | 第30-31页 |
| ·基于贝叶斯等价定理的改进TANC分类模型 | 第31-32页 |
| ·改进模型理论描述 | 第31页 |
| ·改进模型构造步骤 | 第31-32页 |
| ·仿真结果与分析 | 第32-34页 |
| ·过程对象描述 | 第32-33页 |
| ·分类结果分析 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 一种基于C4.5的改进TANC分类算法 | 第35-42页 |
| ·C4.5算法 | 第35-37页 |
| ·C4.5算法简述 | 第35-36页 |
| ·C4.5算法的基本原理 | 第36-37页 |
| ·基于C4.5的改进TANC分类算法 | 第37-39页 |
| ·算法理论基础 | 第37-38页 |
| ·算法实现步骤 | 第38-39页 |
| ·仿真研究 | 第39-41页 |
| ·Voting数据集实验 | 第39页 |
| ·高维、连续数据集实验 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第5章 一种适应于不平衡数据集的改进TANC算法 | 第42-49页 |
| ·基于特征选择的RELIEF算法 | 第42-44页 |
| ·特征选择 | 第42页 |
| ·Relief算法 | 第42-43页 |
| ·Relief算法实现的步骤 | 第43-44页 |
| ·一种适用于不平衡数据集的改进TANC算法 | 第44-45页 |
| ·参数估计 | 第44页 |
| ·算法具体步骤 | 第44-45页 |
| ·仿真研究 | 第45-48页 |
| ·实验数据集 | 第45页 |
| ·结果与分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第6章 结论与展望 | 第49-51页 |
| ·结论 | 第49页 |
| ·展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 附录 攻读硕士学位期间所发表的学术论文 | 第56页 |
