| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-12页 |
| ·研究的背景及意义 | 第9-10页 |
| ·本文主要工作 | 第10-12页 |
| 2 支持向量机简介 | 第12-26页 |
| ·支持向量机的理论基础 | 第12-15页 |
| ·标准支持向量机模型 | 第15-18页 |
| ·线性可分情形与最优分类超平面 | 第15-16页 |
| ·线性不可分情形与软间隔 | 第16-17页 |
| ·非线性情形与核函数 | 第17-18页 |
| ·求解支持向量机的算法 | 第18-21页 |
| ·多类分类问题 | 第21-26页 |
| 3 基于k个同类近邻的SVM分类算法(KCNN-SVM) | 第26-38页 |
| ·NN-SVM概述 | 第26-27页 |
| ·KCNN-SVM分类算法 | 第27-33页 |
| ·NN-SVM算法分析 | 第27-29页 |
| ·KCNN-SVM算法 | 第29-32页 |
| ·KCNN-SVM算法性能分析 | 第32-33页 |
| ·实验 | 第33-38页 |
| ·实验环境 | 第33页 |
| ·实验结果分析 | 第33-38页 |
| 4 基于潜在语义索引的SVM文本分类模型 | 第38-54页 |
| ·潜在语义索引相关理论 | 第38-40页 |
| ·词-文本矩阵 | 第38-39页 |
| ·矩阵奇异值分解 | 第39-40页 |
| ·基于潜在语义索引的SVM文本分类模型 | 第40-45页 |
| ·文本预处理 | 第41-43页 |
| ·基于潜在语义索引的SVM文本分类模型介绍与分析 | 第43-45页 |
| ·实验 | 第45-54页 |
| ·实验语料库 | 第45-46页 |
| ·实验结果分析 | 第46-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |