基于贝叶斯理论的增量文本分类算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·论文选题背景 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·论文主要工作 | 第10-11页 |
| ·论文组织结构 | 第11-12页 |
| 第二章 文本分类与增量学习技术基础 | 第12-24页 |
| ·文本分类技术 | 第12-19页 |
| ·文本分类的定义 | 第12页 |
| ·文本的表示模型 | 第12-13页 |
| ·文本特征项的权重 | 第13-14页 |
| ·特征选择和特征提取 | 第14-17页 |
| ·文本分类算法 | 第17-19页 |
| ·增量学习算法 | 第19-23页 |
| ·基于EM 的增量学习算法 | 第20-21页 |
| ·基于协同训练的增量学习算法 | 第21-22页 |
| ·基于实例的增量学习算法 | 第22-23页 |
| ·基于支持向量机的增量学习算法 | 第23页 |
| ·基于集成学习的增量学习算法 | 第23页 |
| ·小结 | 第23-24页 |
| 第三章 基于序列选择的增量贝叶斯分类算法 | 第24-34页 |
| ·引言 | 第24页 |
| ·基于贝叶斯的增量学习模型 | 第24-26页 |
| ·增量贝叶斯算法存在的问题和解决的策略 | 第26-27页 |
| ·基于序列选择的增量贝叶斯分类算法 | 第27-30页 |
| ·算法思想 | 第27页 |
| ·算法描述 | 第27-30页 |
| ·实验测试 | 第30-33页 |
| ·实验性能评估指标 | 第30页 |
| ·实验特征选择 | 第30页 |
| ·实验结果与分析 | 第30-33页 |
| ·小结 | 第33-34页 |
| 第四章 基于快速聚类的增量贝叶斯分类算法 | 第34-47页 |
| ·引言 | 第34-35页 |
| ·近邻传播(AP)聚类算法 | 第35-37页 |
| ·基于快速聚类的增量贝叶斯分类算法 | 第37-42页 |
| ·算法思想 | 第37-39页 |
| ·算法描述 | 第39-42页 |
| ·实验测试 | 第42-46页 |
| ·实验性能评估指标 | 第42-43页 |
| ·实验特征选择 | 第43页 |
| ·实验结果与分析 | 第43-46页 |
| ·小结 | 第46-47页 |
| 第五章 总结及未来工作 | 第47-50页 |
| ·总结 | 第47-48页 |
| ·未来工作 | 第48-50页 |
| 致谢 | 第50-51页 |
| 攻硕期间从事的科研工作及取得的研究成果 | 第51-52页 |
| 参考文献 | 第52-56页 |
