基于GA-KNN分类模型在船期数据分析中的研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文主要工作 | 第11-12页 |
| 1.4 本文结构安排 | 第12-14页 |
| 第二章 文本分类技术的研究 | 第14-20页 |
| 2.1 引言 | 第14页 |
| 2.2 文本分类的原理 | 第14-15页 |
| 2.2.1 文本分类的介绍 | 第14-15页 |
| 2.2.2 文本模型 | 第15页 |
| 2.3 文本分类的特征提取 | 第15页 |
| 2.4 常用的文本分类的技术 | 第15-20页 |
| 2.4.1 朴素贝叶斯算法 | 第15-16页 |
| 2.4.2 决策树算法 | 第16-17页 |
| 2.4.3 支持向量机 | 第17-18页 |
| 2.4.4 KNN算法 | 第18-20页 |
| 第三章 船期领域中的文本向量空间模型 | 第20-37页 |
| 3.1 文本向量空间模型概述 | 第21-23页 |
| 3.1.1 向量维度 | 第21页 |
| 3.1.2 分量值 | 第21-22页 |
| 3.1.3 文本预处理 | 第22-23页 |
| 3.1.4 特征词选择 | 第23页 |
| 3.1.5 同义词聚合 | 第23页 |
| 3.2 船期领域文本向量空间模型 | 第23-37页 |
| 3.2.1 船期领域文本的特征词选择 | 第24-30页 |
| 3.2.2 同义词聚合 | 第30-35页 |
| 3.2.3 船期领域文本的向量空间维度 | 第35-37页 |
| 第四章 船期领域的网页文本检索模型 | 第37-62页 |
| 4.1 船期领域的网页文本检索概述 | 第37-40页 |
| 4.2 虚拟专业搜索引擎 | 第40-48页 |
| 4.2.1 专业搜索引擎概述 | 第40页 |
| 4.2.2 虚拟专业搜索引擎算法 | 第40-46页 |
| 4.2.3 实验设计与结果分析 | 第46-48页 |
| 4.3 基于GA-KNN的文本分类 | 第48-62页 |
| 4.3.1 选择分类方法概述 | 第48-51页 |
| 4.3.2 标准的KNN分类概述 | 第51-52页 |
| 4.3.3 基于GA-KNN的船期文本分类算法 | 第52-59页 |
| 4.3.4 实验设计与结果分析 | 第59-62页 |
| 第五章 船期信息获取 | 第62-66页 |
| 5.1 基于DOM的船期数据 | 第62-64页 |
| 5.2 HtmlAbilityPack | 第64页 |
| 5.3 船期数据获取 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 本文总结 | 第66-67页 |
| 6.2 下一步工作 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
