| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 分片线性分类器构造方法的研究概况 | 第10-13页 |
| 1.3 本文的研究内容 | 第13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第2章 文本分类方法综述 | 第15-25页 |
| 2.1 文本分类定义 | 第15页 |
| 2.2 文本分类体系框架 | 第15-16页 |
| 2.3 文本表示 | 第16-18页 |
| 2.4 文本分类算法 | 第18-23页 |
| 2.4.1 Navie Bayes方法 | 第18-19页 |
| 2.4.2 支持向量机 | 第19-22页 |
| 2.4.3 K近邻算法 | 第22-23页 |
| 2.5 文本分类评价 | 第23页 |
| 2.6 本章小结 | 第23-25页 |
| 第3章 组合凸线器框架 | 第25-39页 |
| 3.1 组合凸线器的基本概念 | 第25-28页 |
| 3.1.1 凸包与可分性 | 第25-26页 |
| 3.1.2 三种分类器 | 第26-28页 |
| 3.2 组合凸线器的基本构造方法 | 第28-33页 |
| 3.2.1 交叉距离最小化算法 | 第28-30页 |
| 3.2.2 支持凸线器算法 | 第30-31页 |
| 3.2.3 支持组合凸线器算法 | 第31-33页 |
| 3.3 组合凸线器的生长构造方法 | 第33-37页 |
| 3.3.1 生长支持凸线器算法 | 第33-35页 |
| 3.3.2 生长支持组合凸线器算法 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 基于组合凸线器的文本分类方法研究 | 第39-51页 |
| 4.1 文本预处理 | 第39-40页 |
| 4.2 特征提取 | 第40-42页 |
| 4.3 特征项赋权 | 第42-45页 |
| 4.4 基于组合凸线器的文本分类方法 | 第45-50页 |
| 4.4.1 待分类文本的PCA降维方法 | 第46-48页 |
| 4.4.2 特征向量的提取与分类过程 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 实验结果及分析 | 第51-59页 |
| 5.1 数据集 | 第51-52页 |
| 5.2 保真度与特征维度关系实验对比 | 第52-53页 |
| 5.3 基于组合凸线器与四种赋权方法的结合对比实验 | 第53-54页 |
| 5.4 基于组合凸线器的两类文本分类实验 | 第54-57页 |
| 5.4.1 组合凸线器的基本构造方法的实验 | 第54-56页 |
| 5.4.2 组合凸线器的生长构造方法的实验 | 第56-57页 |
| 5.5 基于组合凸线器的多类文本分类实验 | 第57-58页 |
| 5.6 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间所获得的学术成果 | 第65-67页 |
| 致谢 | 第67页 |