摘要
Abstract
第一章引言
1.1研究背景
1.2本文的工作和论文的组织
第二章文本分类综述
2.1文本分类的基本概念
2.1.1文本分类的类型
2.1.2自动文本分类的过程
2.1.3文本分类的应用领域
2.2文本项的权重计算方法
2.3降维技术
2.3.1特征选择
2.3.2特征提取
2.4文本分类经典算法
2.4.1 Rocchio's算法
2.4.2朴素贝叶斯分类算法
2.4.3 k近邻分类算法
2.4.4决策树算法
2.4.5基于投票的算法
2.4.6支持向量机
第三章模糊集与粗糙集
3.1粗糙集理论
3.1.1知识的分类观点
3.1.2新型的隶属关系
3.1.3概念的边界观点
3.1.4知识约简
3.1.5粗糙集理论在分类上的应用
3.2模糊集
3.2.1模糊集合
3.2.2分解定理
3.2.3模糊关系
3.2.4模糊集理论在分类上的应用
第四章基于模糊粗糙集理论的文本分类模型
4.1概述
4.2模糊-粗糙集
4.3邻域空间
4.4不确定性的出现和处理
4.4.1模糊不确定性
4.4.2粗糙不确定性
4.5分类算法
第五章实验结果与分析
5.1 Reuters-21578语料说明
5.1.1文件格式
5.1.2文档内部标记
5.1.3类型
5.2预处理与特征选择
5.3实验结果的评估指标和评估方法
5.3.1评估指标
5.3.2评估方法
5.4实验的步骤以及参数的选择
5.5实验
5.5.1参照方法简介
5.5.2实验分析
第六章总结与展望
6.1本文总结
6.2将来的工作
参考文献
论文与工作
致谢
独创性声明和论文使用授权说明