封面
声明
中文摘要
英文摘要
目录
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 研究的主要内容、目标及创新点
1.4 论文的组织结构
2 文本分类相关技术介绍
2.1 文本分类整体流程概述
2.2 常用的特征选择方法
2.3 TrAdaBoost算法框架概述
2.4 常用的基分类器
2.5 本章小结
3 融合类频率的类文档频率特征选择方法
3.1 选择特征分析
3.2 特征选择算法评价指标
3.3 CDFDC特征选择算法
3.4 文档预处理过程实现
3.5 实验设置
3.6 特征选择对比实验
3.7 本章小结
4 基于权重调整的TrAdaBoost迁移学习算法改进
4.1 TrAdaBoost算法框架对已有分类器整合的技术分析
4.2 TrAdaBoost整合SVM、NB难点分析
4.3 带样本权重的朴素贝叶斯分类算法改进
4.4 带文档权重SVM算法改进研究
4.5 SVM和朴素贝叶斯整合分析
4.6 迁移学习对比实验
4.7 本章小结
5 总结与展望
5.1 全文总结
5.2 研究展望
致谢
参考文献
附录1 攻读硕士学位期间发表论文
附录2 课题来源
附录3 缩写表
华中科技大学;