摘要
1 绪论
1.1 课题背景及意义
1.2 国内外研究现状
1.3 本文主要研究工作
1.4 结构安排
2 文本分类技术
2.1 文本分类概述
2.2 文本预处理
2.2.1 文本向量空间表示
2.2.2 中文分词
2.2.3 删除停用词
2.2.4 词频统计
2.3 特征降维
2.3.1 特征选择
2.3.2 特征抽取
2.4 特征加权
2.5 分类算法
2.6 分类器性能评价标准
3 基于粗糙集的文本分类
3.1 粗糙集相关概念
3.2 基于粗糙集的文本分类流程
4 基于粗糙集和特征位置重要度的特征加权方法
4.1 特征位置重要度
4.2 可变精度粗糙集和特征位置重要度的加权方法
4.3 模拟实验与结果分析
5 基于多粒度粗糙集的启发式属性约简
5.1 基于粗糙集的启发式属性约简
5.2 乐观多粒度的下近似和上近似
5.3 基于多粒度属性重要度的属性约简
5.4 基于多知识粒度的启发式属性约简算法(MGRSHAR算法)
5.5 模拟实验与结果分析
6 一种改进的基于变精度粗糙集的KNN分类算法
6.1 传统KNN
6.2 改进的基于变精度粗糙集的KNN算法
6.2.1 基本概念
6.2.2 本文新定义
6.2.3 改进的基于变精度粗糙集的KNN分类算法
6.3 实验结果与分析
参考文献
致谢
作者简介
声明