声明
摘要
第1章 绪论
1.1 文本分类研究背景
1.2 文本分类研究概况
1.3 本文研究内容
1.4 论文结构
第2章 文本分类相关知识
2.1 文本分类技术概述
2.2 文本预处理技术
2.2.1 文本分词
2.2.2 权重计算
2.2.3 文本表示
2.2.4 特征选择
2.3 常用文本分类算法
2.3.1 朴素贝叶斯(Naive Bayes)
2.3.2 K近邻算法(K-Nearest Neighbor,KNN)
2.3.3 支持向量机(Support Vector Machine,SVM)
2.3.4 神经网络(Neural Network,NN)
2.3.5 决策树(Decision Tree)
2.4 性能评价指标
2.5 本章小结
第3章 White-PCA特征降维
3.1 降维算法概述
3.2 基于PCA的降维算法
3.3 白化(Whitening)
3.4 本章小结
第4章 SOM算法改进
4.1 SOM网络概述
4.2 SOM算法及分析
4.2.1 SOM算法
4.2.2 SOM算法分析
4.3 SOM算法改进
4.3.1 输入向量的处理
4.3.2 初始化权值优化
4.3.3 良心算法
4.4 核SOM(KSOM)算法
4.4.1 核方法(Kernel)
4.4.2 核函数
4.4.3 核SOM算法
4.5 改进KSOM算法
4.6 小结
第5章 基于White-PCA和改进KSOM的文本分类
5.1 方法概述
5.2 White-PCA和KSOM文本分类流程
5.3 实验及分析
5.3.1 KSOM分类算法
5.3.2 基于White-PCA的分类算法性能比较
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢