基于文本分类的增量学习算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-21页 |
| ·引言 | 第10-11页 |
| ·研究背景及意义 | 第11页 |
| ·国内外研究现状 | 第11-19页 |
| ·分类算法研究现状 | 第12-18页 |
| ·增量学习研究现状 | 第18-19页 |
| ·论文组织及结构 | 第19-21页 |
| ·论文主要研究内容 | 第19页 |
| ·论文结构安排 | 第19-21页 |
| 第2章 增量学习相关理论研究 | 第21-36页 |
| ·机器学习概念 | 第21-23页 |
| ·机器学习简单模型 | 第21-22页 |
| ·机器学习公式表达 | 第22页 |
| ·ERM 准则 | 第22-23页 |
| ·统计学习概念 | 第23-26页 |
| ·学习过程一致性 | 第23-24页 |
| ·推广性的界 | 第24-25页 |
| ·SRM 原则 | 第25-26页 |
| ·支持向量机概念 | 第26-29页 |
| ·绝对线性可分 | 第26-27页 |
| ·近似线性可分 | 第27-28页 |
| ·非线性可分 | 第28-29页 |
| ·增量学习概念 | 第29-35页 |
| ·增量过程分析 | 第29-30页 |
| ·单次增量学习 | 第30-34页 |
| ·连续增量学习 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 增量分类算法的设计与实现 | 第36-50页 |
| ·Libsvm 工具 | 第36-44页 |
| ·数据处理步骤 | 第36-37页 |
| ·过程数据结构 | 第37-44页 |
| ·详细算法 | 第44-45页 |
| ·交互文件设计 | 第45-47页 |
| ·Libsvm 训练部分交互文件 | 第45-46页 |
| ·增量训练算法交互文件 | 第46-47页 |
| ·算法模型 | 第47-48页 |
| ·算法与机制改进 | 第48-49页 |
| ·学习循环结束机制 | 第48-49页 |
| ·连续增量学习机制 | 第49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于增量学习分类算法的实现 | 第50-57页 |
| ·创新分类机制 | 第50-51页 |
| ·单次增量学习机制 | 第51-52页 |
| ·交互文件设计 | 第52-54页 |
| ·分类判别模块训练部分交互文件 | 第52页 |
| ·增量训练算法交互文件 | 第52-54页 |
| ·算法模型 | 第54-55页 |
| ·连续增量学习机制 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 实验及结果分析 | 第57-68页 |
| ·实验环境 | 第57页 |
| ·实验数据分析 | 第57-58页 |
| ·结果分析 | 第58-67页 |
| ·单次增量学习结果 | 第59-61页 |
| ·循环改进学习结果 | 第61-62页 |
| ·连续增量学习结果 | 第62-65页 |
| ·项目中的单次增量学习结果 | 第65-66页 |
| ·项目中的连续增量学习结果 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| ·本文工作总结 | 第68-69页 |
| ·未来工作展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 附录 | 第74页 |
