基于多示例多标签框架的网页分类方法
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 前言 | 第10-17页 |
| 1.1 课题背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 MIML框架研究现状 | 第11-13页 |
| 1.2.2 SVM技术研究现状 | 第13-15页 |
| 1.3 论文研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第二章 网页分类概述 | 第17-29页 |
| 2.1 网页分类简述 | 第17-22页 |
| 2.1.1 网页信息特征 | 第17-18页 |
| 2.1.2 网页分类流程 | 第18-19页 |
| 2.1.3 网页分类算法概览 | 第19-21页 |
| 2.1.4 网页分类评价标准概览 | 第21-22页 |
| 2.2 MIML概述 | 第22-24页 |
| 2.2.1 多标签学习 | 第22-23页 |
| 2.2.2 多示例学习 | 第23-24页 |
| 2.2.3 多示例多标签学习 | 第24页 |
| 2.3 SVM概述 | 第24-28页 |
| 2.3.1 SVM综述 | 第24-25页 |
| 2.3.2 SVM几何意义 | 第25-26页 |
| 2.3.3 SVM基本原理 | 第26-27页 |
| 2.3.4 SVM相关算法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于ELDCT的MIMLSVM+改进算法 | 第29-40页 |
| 3.1 ECC与ELDCT简述 | 第29-30页 |
| 3.2 MIMLSVM+算法 | 第30-31页 |
| 3.3 基于ELDCT的MIMLSVM+训练算法 | 第31-35页 |
| 3.3.1 适用于MIML样本的ECT算法 | 第31-32页 |
| 3.3.2 标签依赖关系的注入 | 第32-34页 |
| 3.3.3 改进算法主要步骤 | 第34-35页 |
| 3.4 实验与讨论 | 第35-39页 |
| 3.4.1 实验设计 | 第35-36页 |
| 3.4.2 实验结果与分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于SVDD的增量直推MIML算法 | 第40-50页 |
| 4.1 直推式SVM概述 | 第40-42页 |
| 4.1.1 TSVM简介 | 第40-41页 |
| 4.1.2 TSVM的改进算法 | 第41-42页 |
| 4.2 改进策略 | 第42-44页 |
| 4.2.1 标签标注策略 | 第42-43页 |
| 4.2.2 引入增量学习 | 第43-44页 |
| 4.3 SII-MIMLSVM+算法 | 第44-45页 |
| 4.4 实验与分析 | 第45-49页 |
| 4.4.1 实验设计 | 第45-46页 |
| 4.4.2 实验结果与分析 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 Web页面分类系统 | 第50-61页 |
| 5.1 实验环境 | 第50页 |
| 5.2 实验设计 | 第50-55页 |
| 5.2.1 预处理模块 | 第51-54页 |
| 5.2.2 训练模块 | 第54-55页 |
| 5.2.3 分类模块 | 第55页 |
| 5.3 系统运行结果与分析 | 第55-60页 |
| 5.3.1 运行过程 | 第55-59页 |
| 5.3.2 运行结果分析 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 总结与展望 | 第61-64页 |
| 主要工作 | 第61-62页 |
| 主要创新点 | 第62-63页 |
| 存在的问题及未来的方向 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间取得的学术成果 | 第68-69页 |
| 致谢 | 第69页 |
