| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 相关技术和国内外研究现状 | 第10-12页 |
| 1.3 研究内容 | 第12页 |
| 1.4 论文的组织结构 | 第12-13页 |
| 第二章 科技文献分类 | 第13-26页 |
| 2.1 科技文献分类 | 第13-14页 |
| 2.2 科技文献预处理 | 第14-15页 |
| 2.2.1 分词处理 | 第14-15页 |
| 2.2.2 停用词处理 | 第15页 |
| 2.3 特征选择 | 第15-19页 |
| 2.3.1 文档频次方法 | 第16页 |
| 2.3.2 期望交叉熵 | 第16-17页 |
| 2.3.3 信息增益 | 第17页 |
| 2.3.4 互信息 | 第17-18页 |
| 2.3.5 卡统计量方法 | 第18-19页 |
| 2.4 权重计算 | 第19页 |
| 2.5 文本表示 | 第19-21页 |
| 2.6 文本分类算法 | 第21-24页 |
| 2.6.1 K邻近分类算法 | 第21页 |
| 2.6.2 SVM分类算法 | 第21-22页 |
| 2.6.3 决策树 | 第22-23页 |
| 2.6.4 朴素贝叶斯算法 | 第23页 |
| 2.6.5 神经网络 | 第23-24页 |
| 2.7 文本分类评估 | 第24-25页 |
| 2.7.1 查全率和查准率 | 第24页 |
| 2.7.2 宏平均与微平均 | 第24-25页 |
| 2.8 本章小结 | 第25-26页 |
| 第三章 基于信息熵的K-means动态聚类算法 | 第26-36页 |
| 3.1 K-means算法 | 第27页 |
| 3.2 相关定义 | 第27-28页 |
| 3.3 确定聚类初始点 | 第28-30页 |
| 3.4 基于信息熵的K-means动态聚类算法 | 第30-32页 |
| 3.5 实验结果对比分析 | 第32-36页 |
| 第四章 基于信息熵与动态聚类的层次逻辑特征选择算法 | 第36-41页 |
| 4.1 关联规则与Apriori算法 | 第36-37页 |
| 4.1.1 关联规则 | 第36页 |
| 4.1.2 Apriori算法 | 第36-37页 |
| 4.2 结合改进的K-means和Apriori算法的四层挖掘模式 | 第37-41页 |
| 4.2.1 获取前三级特征词 | 第37-39页 |
| 4.2.2 获取四级特征词 | 第39-41页 |
| 第五章 科技文献分类系统实现 | 第41-54页 |
| 5.1 系统概述 | 第41-42页 |
| 5.1.1 系统开发环境 | 第41页 |
| 5.1.2 实现分类系统需要考虑的因素 | 第41-42页 |
| 5.2 科技文献预处理模块 | 第42-45页 |
| 5.2.1 文档切分 | 第42-43页 |
| 5.2.2 分词处理 | 第43-44页 |
| 5.2.3 停用词处理 | 第44-45页 |
| 5.3 特征选择模块 | 第45-46页 |
| 5.4 权重计算与文本向量化表示 | 第46-47页 |
| 5.5 分类器模块 | 第47-51页 |
| 5.5.1 KNN分类器 | 第48-49页 |
| 5.5.2 SVM分类器 | 第49-51页 |
| 5.6 系统评价 | 第51-53页 |
| 5.7 本章小结 | 第53-54页 |
| 第六章 结论与展望 | 第54-56页 |
| 6.1 结论 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 附录1攻读硕士学位期间发表论文目录 | 第62-63页 |
| 附录2攻读硕士学位期间获得科研成果 | 第63页 |