基于神经网络的文本自动分类系统的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景和意义 | 第10-11页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11页 |
| ·国内外研究现状 | 第11-13页 |
| ·国际研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-13页 |
| ·文本自动分类应用 | 第13-15页 |
| ·论文研究内容 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第2章 文本自动分类关键技术 | 第18-33页 |
| ·文本自动分类定义 | 第18-19页 |
| ·文本信息预处理 | 第19-21页 |
| ·中文分词技术 | 第20-21页 |
| ·实用中文分词系统 | 第21页 |
| ·文本特征表示 | 第21-24页 |
| ·文本基本特征项的选取 | 第21-22页 |
| ·向量空间模型 | 第22-24页 |
| ·特征选择 | 第24-26页 |
| ·文档频度 | 第24-25页 |
| ·信息增益 | 第25页 |
| ·互信息 | 第25页 |
| ·X~2统计 | 第25-26页 |
| ·特征选择小结 | 第26页 |
| ·文本自动分类算法 | 第26-31页 |
| ·Rocchio算法 | 第26-27页 |
| ·朴素贝叶斯算法 | 第27-28页 |
| ·K最近邻算法 | 第28-29页 |
| ·支持向量机算法 | 第29-31页 |
| ·性能评价体系 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 神经网络分类器 | 第33-42页 |
| ·神经网络概述 | 第33-34页 |
| ·神经网络发展史 | 第33-34页 |
| ·神经网络的基本特征 | 第34页 |
| ·BP神经网络 | 第34-40页 |
| ·BP神经网络模型 | 第35-36页 |
| ·BP算法流程 | 第36-38页 |
| ·BP算法的改进 | 第38-40页 |
| ·BP神经网络分类器设计 | 第40-41页 |
| ·BP神经网络分类器的优势 | 第40页 |
| ·BP神经网络分类器设计 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 文本自动分类系统设计 | 第42-57页 |
| ·总体设计原则 | 第42页 |
| ·框架设计与实现平台 | 第42-46页 |
| ·框架设计 | 第42-45页 |
| ·系统核心模块用例图 | 第45页 |
| ·系统实现平台 | 第45-46页 |
| ·预处理模块 | 第46-50页 |
| ·分词处理 | 第47页 |
| ·剔除停用词 | 第47-48页 |
| ·统计词频 | 第48页 |
| ·数据结构与算法设计 | 第48-50页 |
| ·文本表示模块 | 第50-53页 |
| ·特征选择模块 | 第50-51页 |
| ·向量生成模块 | 第51-53页 |
| ·分类器模块 | 第53-56页 |
| ·分类器设计 | 第53-54页 |
| ·数据结构与算法设计 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 系统界面与实验 | 第57-62页 |
| ·系统界面 | 第57-60页 |
| ·实验分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| ·全文总结 | 第62页 |
| ·下一步的工作 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士期间发表的学术论文及参研项目 | 第68页 |
