中文文本分类中特征选择算法的研究与改进
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题的研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 特征选择在国外研究现状 | 第12-13页 |
| 1.2.2 特征选择在国内研究现状 | 第13-14页 |
| 1.3 本文的主要研究内容和组织结构 | 第14-16页 |
| 1.3.1 主要研究内容 | 第14页 |
| 1.3.2 组织结构 | 第14-16页 |
| 第二章 文本分类相关的理论与算法 | 第16-27页 |
| 2.1 文本分类的定义及过程 | 第16-17页 |
| 2.1.1 文本分类的定义 | 第16页 |
| 2.1.2 文本分类的过程 | 第16-17页 |
| 2.2 文本预处理 | 第17-18页 |
| 2.2.1 中文分词 | 第18页 |
| 2.2.2 去除停用词 | 第18页 |
| 2.3 文本表示 | 第18-20页 |
| 2.3.1 布尔模型 | 第18-19页 |
| 2.3.2 向量空间模型 | 第19-20页 |
| 2.4 特征选择算法 | 第20-22页 |
| 2.4.1 文档频率算法 | 第20-21页 |
| 2.4.2 互信息算法 | 第21页 |
| 2.4.3 CHI统计算法 | 第21页 |
| 2.4.4 信息增益算法 | 第21-22页 |
| 2.5 文本分类算法 | 第22-24页 |
| 2.5.1 K近邻算法 | 第22-23页 |
| 2.5.2 贝叶斯算法 | 第23页 |
| 2.5.3 支持向量机算法 | 第23-24页 |
| 2.6 分类性能评估指标 | 第24-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第三章 CHI特征选择算法的分析与改进 | 第27-34页 |
| 3.1 传统的CHI特征选择算法 | 第27-29页 |
| 3.1.1 传统CHI算法的原理 | 第27-28页 |
| 3.1.2 传统CHI算法的优点与不足 | 第28-29页 |
| 3.2 CHI特征选择算法的改进 | 第29-32页 |
| 3.2.1 词频因子 | 第29-30页 |
| 3.2.2 类间方差 | 第30-31页 |
| 3.2.3 自调节比例因子 | 第31-32页 |
| 3.3 算法流程 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 信息增益特征选择算法的分析与改进 | 第34-42页 |
| 4.1 信息熵的定义 | 第34-35页 |
| 4.2 传统的信息增益特征选择算法 | 第35-37页 |
| 4.2.1 传统信息增益算法的原理 | 第35-36页 |
| 4.2.2 传统信息增益算法的优点与不足 | 第36-37页 |
| 4.3 信息增益特征选择算法的改进 | 第37-40页 |
| 4.4 算法流程 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 实验的设计与分析 | 第42-52页 |
| 5.1 实验设计 | 第42-43页 |
| 5.1.1 实验数据集 | 第42页 |
| 5.1.2 实验方案 | 第42-43页 |
| 5.1.3 实验环境 | 第43页 |
| 5.2 实验结果分析 | 第43-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 工作总结 | 第52页 |
| 6.2 未来展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 附录 | 第60-61页 |
| 详细摘要 | 第61-63页 |
