基于因子分析法的中文文本降维
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·背景及意义 | 第9-11页 |
| ·研究现状 | 第11-12页 |
| ·研究工作的主要内容与文章组织 | 第12-14页 |
| ·研究内容 | 第12-13页 |
| ·文章组织 | 第13-14页 |
| 第二章 降维算法与数据挖掘理论 | 第14-28页 |
| ·因子分析法与其他降维算法基础理论 | 第14-18页 |
| ·奇异值分解（SVD） | 第14-15页 |
| ·因子分析法（FA） | 第15-16页 |
| ·主成分分析法（PCA） | 第16-17页 |
| ·多维尺度分析 | 第17-18页 |
| ·中文文本数据挖掘基础理论与流程 | 第18-27页 |
| ·中文文本特点 | 第19-21页 |
| ·向量空间模型 | 第21页 |
| ·特征权重算法 | 第21-23页 |
| ·分类算法 KNN | 第23-25页 |
| ·分类算法 SVM | 第25-26页 |
| ·分类算法朴素贝叶斯 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第三章 因子分析法进行文本降维 | 第28-38页 |
| ·概述 | 第28页 |
| ·因子分析结构 | 第28-31页 |
| ·因子载荷的意义 | 第30-31页 |
| ·因子分析中的共同度 | 第31页 |
| ·因子分析过程 | 第31-36页 |
| ·主成分算法 | 第31-32页 |
| ·最大似然法 | 第32-33页 |
| ·方差最大正交旋转法 | 第33-34页 |
| ·Promax 斜交旋转法 | 第34-35页 |
| ·特征提取结果用于分类 | 第35页 |
| ·因子分析改进 | 第35-36页 |
| ·因子分析法与其他降维理论的比较 | 第36-37页 |
| ·小结 | 第37-38页 |
| 第四章 中文文本降维与分类实验 | 第38-52页 |
| ·预处理 | 第38-40页 |
| ·语料库 | 第38-39页 |
| ·分词 | 第39页 |
| ·特征选择与权重计算 | 第39-40页 |
| ·分类器 | 第40-43页 |
| ·KNN | 第40-41页 |
| ·SVM | 第41-43页 |
| ·基于因子分析法降维的文本分类 | 第43-51页 |
| ·共同度阂值h_i~2和载荷阈值θ、μ的实验 | 第43-46页 |
| ·使用因子分析法后分类结果 | 第46-47页 |
| ·不同稀疏的矩阵不同结果 | 第47-49页 |
| ·不同分类算法的结果比较 | 第49-51页 |
| ·小结 | 第51-52页 |
| 第五章 总结 | 第52-53页 |
| ·开展的主要工作及结论 | 第52页 |
| ·展望与建议 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 附件 | 第57页 |
