首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于随机森林的文本分类研究与应用

摘要第5-6页
Abstract第6-7页
第一章 绪论第10-14页
    1.1 选题背景与研究意义第10-11页
    1.2 国内外研究现状第11-13页
        1.2.1 文本分类研究现状第11-12页
        1.2.2 随机森林研究现状第12-13页
    1.3 本文的组织结构第13-14页
第二章 文本分类相关背景知识第14-27页
    2.1 文档解析第14-15页
    2.2 特征抽取和特征选择第15-18页
    2.3 文本表示模型第18-20页
    2.4 常用分类算法第20-25页
        2.4.1 Rocchio算法第20-21页
        2.4.2 K近邻算法第21-22页
        2.4.3 朴素贝叶斯分类第22页
        2.4.4 支持向量机第22-23页
        2.4.5 决策树第23-25页
    2.5 本章小结第25-27页
第三章 随机森林的研究与改进第27-42页
    3.1 袋装算法和随机特征子空间方法第27-29页
    3.2 随机森林算法第29-32页
        3.2.1 随机森林概念第29-30页
        3.2.2 随机森林的定义第30-31页
        3.2.3 随机森林的分类性能估计第31-32页
    3.3 随机森林算法的改进第32-41页
        3.3.1 随机森林投票方案的改进第32-36页
        3.3.2 随机森林特征选择改进第36-39页
        3.3.3 基于加权投票和加权特征选择的随机森林第39-41页
    3.5 本章小结第41-42页
第四章 实验与结果分析第42-63页
    4.1 实验概要说明第42页
    4.2 Weka简介及实验环境第42-43页
    4.3 数据集说明第43-45页
    4.4 分类效果评估第45-47页
    4.5 DWRF与其他随机森林算法的对比实验第47-59页
        4.5.1 DWRF与其他随机森林算法的分类性能对比第47-53页
        4.5.2 DWRF与其他随机森林算法的运行时间对比第53-58页
        4.5.3 DWRF与其他随机森林算法的实验小结第58-59页
    4.6 DWRF与其他常用分类算法的对比实验第59-62页
        4.6.1 DWRF与其他常用分类算法的分类性能对比第59-61页
        4.6.2 DWRF与其他常用分类算法的运行时间对比第61页
        4.6.3 DWRF与其他常用分类算法的实验小结第61-62页
    4.7 本章小结第62-63页
第五章 总结与展望第63-65页
    5.1 总结第63-64页
    5.2 展望第64-65页
参考文献第65-69页
附录第69-72页
攻读硕士学位期间取得的研究成果第72-73页
致谢第73-74页
附件第74页

论文共74页,点击 下载论文
上一篇:两种类型的数字音频篡改检测算法研究
下一篇:基于校园大数据的数据挖掘研究