半监督网页分类及其在目录式搜索引擎中的应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究背景和意义 | 第11-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·本文的研究内容及主要工作 | 第14页 |
| ·论文结构安排 | 第14-16页 |
| 第二章 文本分类技术概述 | 第16-29页 |
| ·文本分类 | 第16-18页 |
| ·文本分类的概念 | 第16-18页 |
| ·文本分类方法分类 | 第18页 |
| ·信息检索模型 | 第18-20页 |
| ·文本特征提取 | 第20-25页 |
| ·常用文本分类技术 | 第25-28页 |
| ·KNN分类法 | 第25-26页 |
| ·Na(?)ve Bayes分类法 | 第26-27页 |
| ·支持向量机法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于数据融合的Web文本特征提取方法 | 第29-44页 |
| ·数据融合理论 | 第29-34页 |
| ·数据融合的定义 | 第29-30页 |
| ·数据融合的特点 | 第30页 |
| ·数据融合的分类 | 第30-34页 |
| ·常用的数据融合方法 | 第34-36页 |
| ·神经元数据融合系统 | 第34-35页 |
| ·数据融合算法 | 第35-36页 |
| ·基于自适应数据融合的Web文本特征提取方法 | 第36-43页 |
| ·自适应融合算法 | 第37-39页 |
| ·算法描述 | 第39-40页 |
| ·实验与结果比较 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于模糊聚类的半监督分类方法 | 第44-62页 |
| ·TSVM分类方法 | 第44-50页 |
| ·半监督学习 | 第44-46页 |
| ·直推式支持向量机 | 第46-50页 |
| ·模糊聚类 | 第50-53页 |
| ·模糊集合 | 第50-51页 |
| ·模糊聚类分析 | 第51-53页 |
| ·基于模糊聚类的半监督分类方法 | 第53-61页 |
| ·最佳模糊分类矩阵和聚类中心的确定 | 第53-55页 |
| ·权重m的确定 | 第55-57页 |
| ·算法描述 | 第57-59页 |
| ·实验与结果比较 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 网页分类在目录式搜索引擎中的应用 | 第62-72页 |
| ·目录式搜索引擎的工作原理及体系结构 | 第62-63页 |
| ·目录式搜索引擎实现中的核心技术 | 第63-64页 |
| ·网络蜘蛛 | 第63-64页 |
| ·网页信息抽取 | 第64页 |
| ·索引系统的建立 | 第64页 |
| ·系统结构及实现 | 第64-71页 |
| ·系统运行环境 | 第65页 |
| ·各模块介绍 | 第65-69页 |
| ·系统原型与测试 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 结论与展望 | 第72-74页 |
| ·本文的主要工作及结论 | 第72页 |
| ·对今后工作研究的建议 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 附录1:读研期间发表和录用论文目录 | 第78页 |
