首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于Web的中文文本分类技术的研究

摘要第1-6页
Abstract第6-11页
第1章 绪论第11-19页
   ·研究背景及意义第11-12页
   ·国内外研究现状第12-17页
     ·Web文本挖掘的研究现状第12-14页
     ·Web文本分类的研究现状第14-17页
   ·本文的主要内容和组织结构第17-18页
   ·本章小结第18-19页
第2章 Web文本分类第19-36页
   ·Web挖掘第19-20页
     ·Web挖掘与数据挖掘的区别第19页
     ·Web挖掘的分类第19-20页
   ·Web文本挖掘第20-21页
   ·Web文本分类第21-23页
     ·Web文本分类的定义第21页
     ·Web文本分类的系统结构第21-22页
     ·Web文本分类的实现第22-23页
   ·Web中文文本分类的关键技术第23-34页
     ·文本自动分词技术第23-25页
     ·文本表示技术第25-27页
     ·文本特征项的权重计算第27-29页
     ·降维技术第29-33页
     ·文本分类方法第33-34页
   ·分类质量评价方法第34-35页
   ·本章小结第35-36页
第3章 支持向量机第36-49页
   ·引言第36页
   ·统计学习理论第36-40页
     ·经验风险最小化ERM第37页
     ·VC维第37-38页
     ·学习过程的一致性第38-39页
     ·结构风险最小化原理第39-40页
   ·支持向量机第40-45页
     ·硬间隔SVM第40-41页
     ·软间隔SVM第41-42页
     ·线性不可分第42-44页
     ·核函数第44-45页
   ·多分类支持向量机第45-46页
   ·支持向量机的优势第46页
   ·支持向量机在文本分类中的应用第46-47页
   ·本章小结第47-49页
第4章 粗糙集理论及其在Web文本分类中的应用研究第49-61页
   ·引言第49页
   ·粗糙集的基本理论第49-54页
     ·知识表示系统和知识第49-50页
     ·正域与负域第50页
     ·约简与相对约简第50-51页
     ·依赖度和重要性第51-52页
     ·决策表简化及决策规则的提取第52-53页
     ·粗糙集中属性约简的几种算法第53-54页
   ·可变精度粗糙集模型第54-55页
   ·粗糙集用于Web文本分类的可行性分析第55-56页
   ·基于Web文本的可变精度粗糙集权重计算方法(WVPRS)第56-60页
     ·Web文本的特点第56-58页
     ·可变精度粗糙集在权重计算中的应用第58-59页
     ·新的权重计算方法的提出第59-60页
   ·本章小结第60-61页
第5章 一种基于Web的中文文本分类混合算法第61-73页
   ·引言第61-62页
   ·基于Web的中文文本分类混合算法模型第62-63页
   ·基于Web的中文文本分类混合算法的理论分析第63页
   ·基于Web的中文文本分类混合算法的实验验证第63-69页
     ·获取Web训练集和测试集第64页
     ·文本预处理第64-65页
     ·特征提取与特征选择第65页
     ·构造决策表第65-66页
     ·决策表的约简第66-68页
     ·WVPRS权值计算和SVM分类第68-69页
   ·实验结论第69-70页
   ·基于Web的中文文本分类在辅助科技宏观决策中的应用模型设计第70-72页
   ·本章小结第72-73页
第6章 总结与展望第73-75页
   ·总结第73-74页
   ·展望第74-75页
参考文献第75-81页
附录 部分停用词第81-83页
致谢第83-84页
作者简介第84页
攻读硕士学位期间发表的论文和参加科研情况第84页

论文共84页,点击 下载论文
上一篇:解毒活血方含药血清对氧化低密度脂蛋白损伤血管内皮细胞及相关因子影响的实验研究
下一篇:植原体诱导下抗枣疯病相关基因的差异表达研究