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 |