基于RBF神经网络的文本过滤技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-7页 |
| 第一章 引言 | 第7-12页 |
| ·研究背景和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·当前研究的成果 | 第9-10页 |
| ·论文的结构安排及研究内容 | 第10-12页 |
| 第二章 文本过滤关键技术的分析 | 第12-30页 |
| ·信息过滤的基本概念及系统的基本结构 | 第12-13页 |
| ·信息过滤系统的分类 | 第13-14页 |
| ·信息过滤的基本模型 | 第14-17页 |
| ·文本过滤的几种主要算法 | 第17-20页 |
| ·中文分词技术 | 第20-22页 |
| ·中文分词问题及解决方法 | 第22-24页 |
| ·文本特征提取及特征项权重计算方法 | 第24-27页 |
| ·本文使用的中文分词方法 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 RBF神经网络及其学习算法研究 | 第30-44页 |
| ·径向基神经网络 | 第30页 |
| ·RBF神经网络模型 | 第30-34页 |
| ·RBF神经网络的学习算法 | 第34-39页 |
| ·RBF网络的逼近问题 | 第39页 |
| ·RBF网络的逼近性质 | 第39-41页 |
| ·一种基于RBF网络的文本过滤方法 | 第41-42页 |
| ·几点注意事项 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 模拟系统的实现及测试评价 | 第44-53页 |
| ·系统的流程 | 第44页 |
| ·系统的设计与实现 | 第44-50页 |
| ·系统的测试评价 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-56页 |
| ·本文总结 | 第53-54页 |
| ·未来展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |
