在线网络用户作者身份鉴定方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 注释表 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| ·研究背景和意义 | 第12-13页 |
| ·研究背景 | 第12-13页 |
| ·研究意义 | 第13页 |
| ·国内外研究现状 | 第13-18页 |
| ·写作风格 | 第13-15页 |
| ·作者鉴定 | 第15-16页 |
| ·在线信息的特征 | 第16-17页 |
| ·多种语种的适用 | 第17-18页 |
| ·问题综述 | 第18页 |
| ·本文的主要研究工作 | 第18-20页 |
| 第二章 在线信息作者识别方法研究 | 第20-24页 |
| ·作者身份鉴定的传统方法 | 第20页 |
| ·在线信息的作者身份识别的研究方法 | 第20-21页 |
| ·中文在线信息作者身份识别的难点 | 第21-22页 |
| ·中文在线信息作者身份识别系统的总体方案 | 第22-24页 |
| 第三章 基于假设检验的作者身份识别 | 第24-43页 |
| ·引言 | 第24页 |
| ·基本概念 | 第24-26页 |
| ·假设检验 | 第24-25页 |
| ·两独立样本 t 检验 | 第25页 |
| ·F 检验 | 第25-26页 |
| ·鉴定过程 | 第26-35页 |
| ·数据采集 | 第27页 |
| ·数据整理 | 第27-29页 |
| ·特征选择 | 第29-32页 |
| ·特征提取 | 第32页 |
| ·特征处理 | 第32-33页 |
| ·假设检验 | 第33-35页 |
| ·仿真实验 | 第35-42页 |
| ·数据源 | 第35-36页 |
| ·实验设计和结果 | 第36-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于遗传算法和支持向量机的作者身份识别 | 第43-63页 |
| ·引言 | 第43页 |
| ·统计学习理论 | 第43-44页 |
| ·机器学习 | 第44页 |
| ·VC 维理论 | 第44页 |
| ·结构风险最小化 | 第44页 |
| ·支持向量机和遗传算法介绍 | 第44-49页 |
| ·支持向量机 | 第44-48页 |
| ·遗传算法 | 第48-49页 |
| ·实施方案 | 第49-52页 |
| ·特征选择 | 第49-50页 |
| ·SVM 的分类评价能力 | 第50页 |
| ·模型参数对分类精度的影响及优化 | 第50页 |
| ·特征选择对 SVM 性能的影响和优化 | 第50-51页 |
| ·模型参数和特征属性的优化 | 第51页 |
| ·遗传算法优化模型参数和特征属性 | 第51-52页 |
| ·仿真实验 | 第52-62页 |
| ·数据源 | 第52-54页 |
| ·特征选择 | 第54-55页 |
| ·实验结果及分析 | 第55-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 系统介绍 | 第63-74页 |
| ·系统概要 | 第63-64页 |
| ·功能介绍 | 第64-67页 |
| ·数据采集 | 第64-67页 |
| ·文本获取 | 第67-69页 |
| ·数据导入 | 第67-68页 |
| ·文本导出 | 第68页 |
| ·文本分割 | 第68-69页 |
| ·文本整理 | 第69页 |
| ·特征提取 | 第69-71页 |
| ·特征量化 | 第70页 |
| ·特征处理 | 第70-71页 |
| ·身份识别 | 第71-74页 |
| ·网络作品 | 第71-72页 |
| ·传统作品 | 第72-74页 |
| 第六章 总结和展望 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 在学期间的研究成果及发表的学术论文 | 第81页 |
