网页去噪音与分类算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 引言 | 第8-12页 |
| ·论文背景及意义 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本文主要工作 | 第10-11页 |
| ·本文组织 | 第11-12页 |
| 第二章 中文文本分类技术 | 第12-29页 |
| ·文本分类概念 | 第12-13页 |
| ·文本分类的定义 | 第12页 |
| ·文本分类的过程 | 第12-13页 |
| ·文本表示模型 | 第13-15页 |
| ·布尔模型 | 第13页 |
| ·向量空间模型 | 第13-14页 |
| ·潜在语义索引模型 | 第14-15页 |
| ·文本预处理 | 第15-16页 |
| ·特征选择 | 第16-20页 |
| ·文档频度（DF） | 第17页 |
| ·信息增益（IG） | 第17-18页 |
| ·互信息(MI) | 第18-19页 |
| ·χ~2 统计（CHI） | 第19页 |
| ·期望交叉熵(CE) | 第19-20页 |
| ·特征抽取 | 第20-22页 |
| ·隐含语义索引方法(LSI) | 第20-21页 |
| ·词汇聚类方法(TC) | 第21页 |
| ·主成分分析法(PCA) | 第21-22页 |
| ·文本分类算法 | 第22-25页 |
| ·简单向量距离分类法 | 第22页 |
| ·决策树算法 | 第22-23页 |
| ·朴素贝叶斯算法 | 第23-24页 |
| ·神经网络算法 | 第24页 |
| ·K 近邻算法 | 第24页 |
| ·支持向量机算法 | 第24-25页 |
| ·文本分类算法评估指标 | 第25-26页 |
| ·本文原始实验系统 | 第26-29页 |
| 第三章 基于块分析的网页去噪音算法 | 第29-38页 |
| ·HTML 简介 | 第29-30页 |
| ·文档对象模型(DOM) | 第30-31页 |
| ·网页噪音定义 | 第31-32页 |
| ·网页去噪音算法相关研究 | 第32-33页 |
| ·基于块分析的网页去噪音算法描述 | 第33-35页 |
| ·算法依据 | 第33页 |
| ·算法思想 | 第33-35页 |
| ·算法描述 | 第35页 |
| ·网页去噪音算法实验 | 第35-38页 |
| ·单个网页去噪音实验 | 第35-36页 |
| ·去噪音算法对网页分类器的作用实验 | 第36-38页 |
| 第四章 特征聚合算法 | 第38-44页 |
| ·算法基础 | 第38页 |
| ·算法步骤 | 第38-39页 |
| ·算法描述 | 第39-40页 |
| ·算法实验与分析 | 第40-44页 |
| 第五章 SVM-KNN 分类算法 | 第44-59页 |
| ·K 近邻算法(KNN) | 第44-46页 |
| ·KNN 决策规则 | 第44-45页 |
| ·相似度计算方法 | 第45页 |
| ·K 值的选取 | 第45-46页 |
| ·KNN 优缺点 | 第46页 |
| ·支持向量机算法(SVM) | 第46-49页 |
| ·SVM 原理 | 第46-47页 |
| ·核函数 | 第47-48页 |
| ·多分类SVM 算法 | 第48-49页 |
| ·SVM 优缺点 | 第49页 |
| ·SVM-KNN 分类算法基础 | 第49-50页 |
| ·SVM-KNN 分类算法步骤 | 第50-51页 |
| ·SVM-KNN 分类算法实验 | 第51-59页 |
| ·KNN 分类器决策规则选择 | 第51-54页 |
| ·KNN 分类算法实验结果 | 第54-55页 |
| ·SVM 分类算法实验结果 | 第55-56页 |
| ·SVM-KNN 分类算法实验结果 | 第56页 |
| ·KNN、SVM、SVM-KNN 分类算法比较 | 第56-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·进一步工作 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
