文摘
英文文摘
声明
第1章绪论
1.1研究背景及意义
1.2国内外研究现状
1.2.1模糊逻辑和神经网络结合的研究现状
1.2.2文本分类研究现状
1.3本文工作内容
1.4论文的组织
第2章文本分类综述
2.1文本数据的特点
2.2文本分类描述
2.3特征项类型
2.4文本预处理
2.5特征表示模型
2.5.1集合模型
2.5.2概率模型
2.5.3代数模型
2.5.4概念模型
2.6特征选择
2.6.1文本频率
2.6.2信息增益
2.6.3互信息
2.6.4卡方统计
2.6.5期望交叉熵
2.6.6证据权值
2.7评估方法
2.7.1保持法
2.7.2k-折交叉验证
2.8性能指标
2.8.1查全率、查准率和F1-测度
2.8.2宏平均、微平均
第3章常用文本分类算法
3.1朴素贝叶斯算法
3.2决策树算法
3.3基于关联规则的算法
3.4简单向量距离算法
3.5K近邻算法
3.6支持向量机算法
3.7基于投票的方法
第4章不平衡数据处理
4.1向下取样
4.2向上取样
第5章模糊逻辑理论和BP神经网络概述
5.1模糊逻辑理论
5.1.1隶属函数
5.1.2模糊集的表示
5.1.3模糊集的基本运算
5.2人工神经网络
5.2.1神经元模拟
5.2.2多层前馈神经网络
5.2.3反向传播算法
5.3模糊逻辑和神经网络结合
第6章分类器模型的实现
6.1模型的实现细节
6.1.1数据结构描述
6.1.2功能函数描述
6.2性能测试及其评估
6.2.1数据集与取样集
6.2.2参数选择与测试结果
第7章 结论与展望
7.1论文工作总结
7.2进一步研究展望
致谢
参考文献
攻读学位期间的研究成果