基于改进的支持向量机算法的涉密文件识别系统研究与实现
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 研究意义 | 第16-17页 |
| 1.3 本文主要工作及技术路线 | 第17-18页 |
| 1.4 本文组织结构 | 第18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 文本分类理论与关键技术 | 第19-37页 |
| 2.1 国内外研究现状 | 第19-21页 |
| 2.2 文本分类关键技术 | 第21-25页 |
| 2.2.1 词匹配法 | 第21-22页 |
| 2.2.2 知识工程法 | 第22页 |
| 2.2.3 统计学习法 | 第22-25页 |
| 2.3 基于SVM支持向量机的文本分类模型 | 第25-35页 |
| 2.3.1 SVM简介 | 第25页 |
| 2.3.2 SVM基本原理 | 第25-32页 |
| 2.3.3 SVM优点 | 第32-33页 |
| 2.3.4 SVM模型的文本分类过程 | 第33-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第三章 特征提取和特征表示方面的改进 | 第37-65页 |
| 3.1 文本特征提取算法及改进 | 第37-57页 |
| 3.1.1 中文分词方法对比 | 第37-41页 |
| 3.1.2 基于三阶HMM的模型及其算法的改进 | 第41-48页 |
| 3.1.3 几种分词方法的比较测试 | 第48-57页 |
| 3.2 文本特征表示算法及改进 | 第57-62页 |
| 3.3 本章小结 | 第62-65页 |
| 第四章 系统的设计与实现 | 第65-77页 |
| 4.1 问题定义与需求分析 | 第65-66页 |
| 4.2 系统工作流程 | 第66-69页 |
| 4.2.1 系统训练工作流程 | 第66-68页 |
| 4.2.2 系统检查工作流程 | 第68-69页 |
| 4.3 系统实现 | 第69-75页 |
| 4.3.2 开发环境及软件描述 | 第70-71页 |
| 4.3.3 特征提取子模块的实现 | 第71-73页 |
| 4.3.4 特征表示子模块的实现 | 第73-74页 |
| 4.3.5 文本分类模块的实现 | 第74-75页 |
| 4.4 本章小结 | 第75-77页 |
| 第五章 实验和测试 | 第77-81页 |
| 5.1 实验环境 | 第77页 |
| 5.2 实验数据 | 第77页 |
| 5.3 实验过程和参数设置 | 第77-79页 |
| 5.4 实验结果和数据分析 | 第79页 |
| 5.5 实验结论 | 第79-80页 |
| 5.6 本章小结 | 第80-81页 |
| 第六章 总结与展望 | 第81-85页 |
| 6.1 总结 | 第81-82页 |
| 6.2 展望 | 第82-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-91页 |
| 作者简介 | 第91-92页 |
