基于遺傳算法的文本分類(lèi)及聚類(lèi)研究

序
前言
第1章 緒論
1.1 研究的目的和意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 文本分類(lèi)和聚類(lèi)存在的問(wèn)題
1.4 本書(shū)研究?jī)?nèi)容和目標(biāo)
參考文獻(xiàn)
第2章 文本分類(lèi)和聚類(lèi)的基本理論及方法
2.1 文本分類(lèi)和聚類(lèi)的概念
2.2 文本的表示
2.3 文本預(yù)處理
2.4 文本特征選擇和抽取
2.5 文本分類(lèi)方法
2.6 文本聚類(lèi)方法
2.7 本章小結(jié)
參考文獻(xiàn)
第3章 遺傳算法基礎(chǔ)知識(shí)
3.1 遺傳算法概述
3.2 標(biāo)準(zhǔn)遺傳算法
3.3 遺傳算法染色體編碼
3.4 適應(yīng)度函數(shù)
3.5 遺傳算子
3.6 遺傳算法的改進(jìn)
3.7 本章小結(jié)
參考文獻(xiàn)
第4章 混合并行遺傳算法及其在文本聚類(lèi)中的應(yīng)用
4.1 k-means算法初始聚類(lèi)中心的選擇
4.2 混合并行遺傳算法
4.3 基于并行遺傳算法的文本特征詞提取
4.4 基于混合并行遺傳算法的文本聚類(lèi)
4.5 實(shí)驗(yàn)設(shè)置及結(jié)果分析
4.6 本章小結(jié)
參考文獻(xiàn)
第5章 混合并行遺傳算法在文本分類(lèi)中的應(yīng)用
5.1 基于混合并行遺傳算法的潛在語(yǔ)義挖掘
5.2 基于混合并行遺傳聚類(lèi)的KNN改進(jìn)算法(HPGA-KNN)
5.3 SMO-SVM算法
5.4 SMO-SVM算法核函數(shù)參數(shù)優(yōu)化
5.5 改進(jìn)的KNN SVM文本分類(lèi)方法
5.6 實(shí)驗(yàn)設(shè)置及分析
5.7 本搴小結(jié)
參考文獻(xiàn)
第6章 總結(jié)和研究展望
6.1 總結(jié)
6.2 后續(xù)研究工作展望
附錄A k-means聚類(lèi)算法關(guān)鍵代碼
附錄B 遺傳算法聚類(lèi)關(guān)鍵代碼
附錄C 混合遺傳聚類(lèi)關(guān)鍵代碼