中文文本分类特征选择方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景和意义 | 第8-9页 |
| ·研究历史与现状 | 第9-11页 |
| ·研究内容及组织结构 | 第11-13页 |
| ·本文研究内容 | 第11-12页 |
| ·论文组织结构 | 第12-13页 |
| 第二章 文本分类技术 | 第13-29页 |
| ·文本分类定义 | 第13-14页 |
| ·文本分类任务的特点 | 第14页 |
| ·文本分类流程 | 第14-16页 |
| ·文本预处理技术 | 第16-18页 |
| ·文本表示模型 | 第18-20页 |
| ·布尔模型 | 第18页 |
| ·向量空间模型 | 第18-20页 |
| ·概率模型 | 第20页 |
| ·文本分类方法 | 第20-25页 |
| ·Navie Bayes方法 | 第21-22页 |
| ·KNN方法 | 第22-23页 |
| ·类中心向量方法 | 第23页 |
| ·支持向量机方法 | 第23-24页 |
| ·决策树方法 | 第24页 |
| ·神经网络方法 | 第24-25页 |
| ·实验评估方法 | 第25-28页 |
| ·查全率与查准率 | 第25页 |
| ·宏平均与微平均 | 第25-26页 |
| ·Fβ测量值 | 第26-27页 |
| ·BEP(Break‐even point) | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 文本特征选择方法 | 第29-36页 |
| ·文本特征选择概述 | 第29-31页 |
| ·特征选择的意义 | 第29-30页 |
| ·特征选择的分类 | 第30-31页 |
| ·文本特征选择的特点 | 第31-32页 |
| ·常用的特征选择方法 | 第32-34页 |
| ·文档频率 | 第32页 |
| ·信息增益 | 第32-33页 |
| ·互信息 | 第33-34页 |
| ·χ 2统计 | 第34页 |
| ·特征选择方法比较 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于类别区分度和关联性分析的综合特征选择 | 第36-47页 |
| ·特征的冗余和相关性 | 第36-38页 |
| ·特征的冗余 | 第36页 |
| ·特征的相关性 | 第36-38页 |
| ·类别区分度 | 第38-42页 |
| ·DPM特征选择算法 | 第38-39页 |
| ·类别区分度 | 第39-40页 |
| ·实验结果及分析 | 第40-42页 |
| ·特征的关联性分析 | 第42-45页 |
| ·特征的关联 | 第42页 |
| ·特征C‐关联的度量 | 第42-43页 |
| ·相关独立度 | 第43-45页 |
| ·综合特征选择算法 | 第45-46页 |
| ·算法时间复杂度分析 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第五章 实验设计与分析 | 第47-55页 |
| ·实验环境的构造 | 第47-50页 |
| ·实验环境的系统结构 | 第47-48页 |
| ·分词系统 | 第48页 |
| ·特征选择系统 | 第48-50页 |
| ·分类系统 | 第50页 |
| ·实验设计 | 第50-51页 |
| ·实验结果及分析 | 第51-54页 |
| ·不同特征维数下的性能比较 | 第51-52页 |
| ·各个类的分类情况比较 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士期间参与的项目和公开发表的论文 | 第63页 |
