| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 论文内容及组织结构 | 第16-17页 |
| 1.3.1 本文的研究内容 | 第16-17页 |
| 1.3.2 全文的组织结构安排 | 第17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 多标记学习及其文本分类相关知识 | 第18-31页 |
| 2.1 多标记学习及空间描述 | 第18-23页 |
| 2.1.1 多标记学习分类算法 | 第19-21页 |
| 2.1.2 多标记学习常用特征选择算法 | 第21-22页 |
| 2.1.3 评价指标 | 第22-23页 |
| 2.2 文本分类介绍 | 第23-30页 |
| 2.2.1 文本的预处理 | 第24-26页 |
| 2.2.2 权重计算方法 | 第26页 |
| 2.2.3 相似度计算 | 第26-27页 |
| 2.2.4 文本分类常见特征选择方法 | 第27页 |
| 2.2.5 常用分类算法 | 第27-30页 |
| 2.2.6 评价指标 | 第30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于正域熵的多标记特征选择算法 | 第31-41页 |
| 3.1 概述 | 第31-32页 |
| 3.2 粗糙集相关理论 | 第32-34页 |
| 3.2.1 正域粗糙熵的构造 | 第33页 |
| 3.2.2 基于正域的粗糙熵 | 第33-34页 |
| 3.3 基于正域粗糙熵的多标记算法设计过程 | 第34-35页 |
| 3.3.1 正域粗糙熵矩阵的构建 | 第34-35页 |
| 3.3.2 基于正域粗糙熵的特征选择及分类过程 | 第35页 |
| 3.4 实验设计及实验结果分析 | 第35-40页 |
| 3.4.1 实验数据集 | 第36页 |
| 3.4.2 实验分析 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于三支决策与kNN算法在文本分类上的改进方法 | 第41-50页 |
| 4.1 概述 | 第41-42页 |
| 4.2 三支决策基本概念及DOCK矩阵的构建 | 第42-44页 |
| 4.2.1 支持度(Support) | 第44页 |
| 4.2.2 隶属度(Membership) | 第44页 |
| 4.3 算法特征提取 | 第44-46页 |
| 4.3.1 具体分类方法 | 第45-46页 |
| 4.3.2 算法描述 | 第46页 |
| 4.4 实验对比与结果分析 | 第46-49页 |
| 4.4.1 实验数据集 | 第46-47页 |
| 4.4.2 实验结果 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-51页 |
| 5.1 总结 | 第50页 |
| 5.2 下一步的工作 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 附录：读研期间科研情况 | 第57页 |