| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 主要内容与论文结构 | 第11-13页 |
| 第二章 文本分类相关技术概述 | 第13-26页 |
| 2.1 文本分类基础理论 | 第13-15页 |
| 2.1.1 文本分类的定义 | 第13-14页 |
| 2.1.2 文本分类的过程 | 第14-15页 |
| 2.2 文本预处理 | 第15-16页 |
| 2.3 特征选择 | 第16-19页 |
| 2.3.1 文档频率 | 第16-17页 |
| 2.3.2 互信息 | 第17-18页 |
| 2.3.3 信息增益 | 第18页 |
| 2.3.4 χ~2统计量 | 第18-19页 |
| 2.4 特征加权 | 第19-20页 |
| 2.5 分类算法 | 第20-23页 |
| 2.5.1 朴素贝叶斯算法 | 第20-21页 |
| 2.5.2 KNN近邻算法 | 第21-22页 |
| 2.5.3 支持向量机算法 | 第22-23页 |
| 2.6 分类性能评估 | 第23-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第三章 基于蚁群算法的特征选择 | 第26-39页 |
| 3.1 蚁群算法概述 | 第26-27页 |
| 3.2 构建蚁群算法的文本特征选择 | 第27-28页 |
| 3.3 基于蚁群算法的特征选择 | 第28-32页 |
| 3.3.1 评估函数 | 第28-29页 |
| 3.3.2 状态转移规则 | 第29-31页 |
| 3.3.3 信息素更新规则 | 第31页 |
| 3.3.4 局部搜索机制 | 第31-32页 |
| 3.4 算法描述 | 第32-35页 |
| 3.5 实验与实验结果分析 | 第35-38页 |
| 3.5.1 实验方法 | 第35页 |
| 3.5.2 实验结果 | 第35-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 结合特征项在类内和类间分布改进的TF-IDF方法 | 第39-53页 |
| 4.1 特征加权方法 | 第39-44页 |
| 4.1.1 布尔权重 | 第39-40页 |
| 4.1.2 词频权重 | 第40页 |
| 4.1.3 基于熵概念的权重 | 第40-41页 |
| 4.1.4 TF-RF | 第41-42页 |
| 4.1.5 TF-IDF | 第42-44页 |
| 4.2 TF-IDF算法的不足 | 第44页 |
| 4.3 结合特征项在类内和类间分布改进的TF-IDF方法 | 第44-49页 |
| 4.3.1 针对IDF的改进 | 第44-46页 |
| 4.3.2 针对特征项在类别内和类别间分布情况的改进 | 第46-49页 |
| 4.4 实验与实验结果分析 | 第49-52页 |
| 4.4.1 实验方法 | 第49页 |
| 4.4.2 实验结果 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 在读期间发表的学术论文及参与项目 | 第60-61页 |
| 附录 | 第61-62页 |
| 附录A 图索引 | 第61页 |
| 附录B 表索引 | 第61-62页 |
| Appendix | 第62页 |
| Appendix A Figure Index | 第62页 |
| Appendix B Table Index | 第62页 |
