为你推荐
内容简介
前 言
第1章 绪论
1.1 研究背景及意义
1.2 国内外相关研究
1.3 本书内容组织
第2章 文本分类技术概述
2.1 文本分类预处理
2.2 文本的表示
2.3 特征选择
2.4 文本分类算法
2.5 实验数据集
2.6 分类模型的评估方法
2.7 本章小结
第3章 TEF-WA权值调整技术
3.1 特征选择存在的问题
3.2 TEF-WA权值调整技术
3.3 实验结果与分析
3.4 本章小结
第4章 结合TEF-WA技术的Co-training改进算法
4.1 Co-training算法及其存在的问题
4.2 基于TEF-WA的特征多视图
4.3 基分类器间的差异性评估
4.4 TV-SC算法与TV-DC算法
4.5 实验结果及其分析
4.6 本章小结
第5章 基于特征独立模型的Co-training改进算法
5.1 特征独立模型
5.2 特征子集划分算法PMID
5.3 基于MID-Model的改进算法SC-PMID
5.4 实验结果及其分析
5.5 本章小结
第6章 基于投票信息熵和多视图的AdaBoost改进算法
6.1 AdaBoost算法
6.2 利用特征评估函数构造多视图
6.3 基于投票信息熵的样本权重维护新策略
6.4 BoostVE算法
6.5 实验结果及其分析
6.6 本章小结
第7章 结合半监督学习的SemiBoost-CR分类模型
7.1 SemiBoost-CR模型的目标函数
7.2 未标注样本的置信度
7.3 基于置信度的重取样策略
7.4 样本权重维护策略
7.5 SemiBoost-CR分类算法
7.6 实验结果及其分析
7.7 本章小结
第8章 文本自动分类系统SECTCS
8.1 系统简介
8.2 系统总体结构
8.3 系统的用户界面
8.4 实验数据集
8.5 本章小结
结束语
参考文献
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
