基于SVM的中文文本分类相关算法的研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 引言 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·文本分类的定义 | 第10页 |
| ·中文文本分类的研究基础 | 第10-11页 |
| ·研究历史与现状 | 第11-12页 |
| ·本文的研究工作 | 第12-14页 |
| 第二章 中文文本分类的主要技术 | 第14-24页 |
| ·文本分类的过程 | 第14页 |
| ·文本预处理 | 第14-17页 |
| ·中文分词 | 第14-16页 |
| ·停用词处理 | 第16-17页 |
| ·特征处理 | 第17-19页 |
| ·文本表示 | 第19-20页 |
| ·文本分类算法 | 第20-24页 |
| 第三章 基于SVM的中文文本分类系统的设计 | 第24-28页 |
| ·系统开发环境 | 第24页 |
| ·系统设计 | 第24-27页 |
| ·语料库(corpus)的设计 | 第24-25页 |
| ·主要功能模块设计 | 第25-26页 |
| ·系统评价标准 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 预处理模块的设计和实现 | 第28-37页 |
| ·中文分词内容 | 第28-29页 |
| ·实现的两种机械分词算法 | 第29页 |
| ·改进的分词算法 | 第29-32页 |
| ·算法的词典结构 | 第30-31页 |
| ·算法的匹配方式 | 第31页 |
| ·算法对歧义词的处理策略 | 第31-32页 |
| ·算法识别未登录词的策略 | 第32页 |
| ·去停用词处理 | 第32-33页 |
| ·预处理模块的实现和实验分析 | 第33-36页 |
| ·预处理模块的实现 | 第33-34页 |
| ·实验分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 特征选择算法 | 第37-43页 |
| ·特征选择 | 第37页 |
| ·实现的常用特征选择算法 | 第37-39页 |
| ·改进的特征选择算法 | 第39-40页 |
| ·特征处理模块的实现和实验分析 | 第40-42页 |
| ·特征处理模块的实现 | 第40-41页 |
| ·实验分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第六章 基于SVM的分类器构造算法 | 第43-58页 |
| ·统计学习理论 | 第43-44页 |
| ·支持向量机 | 第44-48页 |
| ·最优超平面 | 第44-45页 |
| ·线性可分情况 | 第45-46页 |
| ·线性不可分情况 | 第46-47页 |
| ·非线性情况 | 第47-48页 |
| ·SVM的多类分类问题 | 第48-51页 |
| ·多类分类的理论基础 | 第48-49页 |
| ·多类分类的方法 | 第49页 |
| ·多类分类器的构造模式 | 第49-50页 |
| ·本文多类分类器的设计思路 | 第50-51页 |
| ·SVM的增量学习 | 第51-52页 |
| ·本文的增量学习算法 | 第51-52页 |
| ·实验分析 | 第52页 |
| ·基于组合学习的SVM分类器 | 第52-57页 |
| ·AdaBoost算法 | 第53-54页 |
| ·改进的基于组合学习的SVM分类算法 | 第54-56页 |
| ·实验结果 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第七章 基于SVM的中文文本分类系统的实现 | 第58-64页 |
| ·系统功能模块 | 第58页 |
| ·系统实现 | 第58-61页 |
| ·系统主界面 | 第59页 |
| ·KNN分类器 | 第59-60页 |
| ·SVM分类器 | 第60-61页 |
| ·系统特点 | 第61页 |
| ·实验与分析 | 第61-64页 |
| ·实验样本集 | 第61-62页 |
| ·实验结果 | 第62-64页 |
| 第八章 总结与展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 在读期间发表的论文 | 第71页 |
