基于支持向量机的网页文本分类技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·选题背景和意义 | 第10-11页 |
| ·研究状况和热点 | 第11-13页 |
| ·国外文本分类的研究现状 | 第11页 |
| ·国内文本分类的研究现状 | 第11-12页 |
| ·网页文本分类的研究热点 | 第12-13页 |
| ·论文的主要工作及组织结构 | 第13-15页 |
| 第2章 网页文本分类技术 | 第15-23页 |
| ·文本分类定义 | 第15-16页 |
| ·网页文本预处理 | 第16-17页 |
| ·网页文本表示 | 第17-18页 |
| ·特征选择方法 | 第18-20页 |
| ·文本分类的主要分类器算法 | 第20-22页 |
| ·K 最近邻学习 | 第20页 |
| ·支持向量机方法 | 第20-21页 |
| ·朴素贝叶斯算法 | 第21页 |
| ·决策树 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 支持向量机算法研究 | 第23-32页 |
| ·支持向量机基础 | 第23-24页 |
| ·线性支持向量机 | 第24-28页 |
| ·线性可分情形 | 第24-27页 |
| ·线性不可分情形 | 第27-28页 |
| ·非线性支持向量机 | 第28-29页 |
| ·用于多类分类的支持向量机 | 第29-31页 |
| ·一对多方法 | 第29-30页 |
| ·一对一方法 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 基于支持向量机网页文本分类的改进 | 第32-47页 |
| ·改进的权重计算方法 | 第32-35页 |
| ·经典的权重计算公式 | 第32-33页 |
| ·基于 HTML 语义加权 | 第33-34页 |
| ·基于特征项位置加权 | 第34页 |
| ·权重计算公式的改进 | 第34-35页 |
| ·基于模糊聚类的两阶段支持向量机 | 第35-45页 |
| ·支持向量机训练算法进展 | 第35-36页 |
| ·算法思想 | 第36-38页 |
| ·模糊 C 均值聚类 | 第38-39页 |
| ·两阶段支持向量机 | 第39-44页 |
| ·算法描述和时间复杂度分析 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第5章 网页文本分类系统实现及实验结果 | 第47-54页 |
| ·实验环境与评价标准 | 第47-48页 |
| ·实验环境 | 第47页 |
| ·评价标准 | 第47-48页 |
| ·实验数据集与实验结果 | 第48-53页 |
| ·改进的权重计算方法实验结果 | 第49-50页 |
| ·改进的支持向量机算法实验结果 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| ·工作总结 | 第54页 |
| ·进一步研究方向 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 作者简介及在学期间所取得的科研成果 | 第60-61页 |
| 致谢 | 第61页 |
