基于遗传与反馈的分布式文本分类研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-11页 |
| 1.1.1 文本分类技术 | 第8页 |
| 1.1.2 大数据技术 | 第8-11页 |
| 1.1.3 本课题提出的背景 | 第11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文研究的重点 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第二章 文本分类中的关键技术分析 | 第15-24页 |
| 2.1 文本的特征提取 | 第15-17页 |
| 2.1.1 TF-IDF算法及其改进算法 | 第15-16页 |
| 2.1.2 信息增益 | 第16-17页 |
| 2.1.3 互信息 | 第17页 |
| 2.1.4 期望交叉熵 | 第17页 |
| 2.2 文本的表示方法 | 第17-18页 |
| 2.3 常用文本分类算法 | 第18-24页 |
| 2.3.1 基于相似度的分类算法 | 第18-19页 |
| 2.3.2 基于概率的分类算法 | 第19-20页 |
| 2.3.3 基于机器学习的分类算法 | 第20-24页 |
| 第三章 基于遗传与反馈的分布式文本分类算法设计 | 第24-38页 |
| 3.1 分类模型的训练过程 | 第24-32页 |
| 3.1.1 遗传算法 | 第24-28页 |
| 3.1.2 基于遗传算法的分布式建模 | 第28-32页 |
| 3.2 分类模型的分类过程 | 第32-38页 |
| 3.2.1 反馈思想 | 第33-35页 |
| 3.2.2 基于反馈机制的分布式分类过程 | 第35-38页 |
| 第四章 系统的设计与实现 | 第38-51页 |
| 4.1 系统整体架构设计 | 第38-39页 |
| 4.2 各模块实现的技术细节 | 第39-42页 |
| 4.3 系统环境的搭建 | 第42-43页 |
| 4.4 项目概况 | 第43-51页 |
| 4.4.1 项目介绍 | 第43-45页 |
| 4.4.2 实验验证与结果展示 | 第45-51页 |
| 第五章 结语 | 第51-54页 |
| 5.1 论文工作总结 | 第51-52页 |
| 5.2 进一步的研究工作 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表的学术论文目录 | 第58页 |
