基于KL距离的半监督分类算法
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 图目录 | 第9-10页 |
| 表目录 | 第10-11页 |
| 1 绪论 | 第11-16页 |
| ·研究背景 | 第11-13页 |
| ·本文的研究内容和贡献 | 第13-15页 |
| ·本文结构 | 第15-16页 |
| 2 基本概念和相关技术 | 第16-24页 |
| ·分类技术 | 第16-19页 |
| ·朴素贝叶斯 | 第16-17页 |
| ·支持向量机 | 第17-18页 |
| ·逻辑回归 | 第18-19页 |
| ·相关技术 | 第19-22页 |
| ·TF-IDF | 第19-20页 |
| ·抽样 | 第20页 |
| ·KL距离(相对熵) | 第20-21页 |
| ·熵(Entropy) | 第21页 |
| ·F-score | 第21-22页 |
| ·相关工作 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 基于KL距离的半监督分类 | 第24-33页 |
| ·问题分析 | 第24-25页 |
| ·基于KL距离的半监督分类 | 第25-26页 |
| ·实验设置与结果分析 | 第26-31页 |
| ·实验数据 | 第26页 |
| ·实验设置 | 第26-28页 |
| ·实验结果与分析 | 第28-31页 |
| ·本章小结 | 第31-33页 |
| 4 平衡数据的半监督分类 | 第33-46页 |
| ·平衡数据的分类 | 第33-34页 |
| ·问题描述 | 第34-36页 |
| ·基于熵的平衡数据半监督分类 | 第36-37页 |
| ·实验设置与结果分析 | 第37-42页 |
| ·实验数据 | 第37页 |
| ·实验设置 | 第37-38页 |
| ·实验结果与分析 | 第38-42页 |
| ·本章小结 | 第42-46页 |
| 5 总结与展望 | 第46-48页 |
| ·本文工作总结 | 第46-47页 |
| ·未来工作展望 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 攻读硕士期间发表论文 | 第50-51页 |
| 致谢 | 第51-52页 |
