| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·文本分类研究的概述 | 第9-11页 |
| ·研究现状 | 第11-16页 |
| ·概率方法 | 第11-12页 |
| ·基于实例的分类器 | 第12-13页 |
| ·支持向量机(support vector machines) | 第13-14页 |
| ·分类委员会(classifier committees) | 第14-15页 |
| ·其他常用分类方法 | 第15-16页 |
| ·课题来源与主要研究内容 | 第16页 |
| ·本文组织结构 | 第16-17页 |
| 第二章 支持向量机理论 | 第17-33页 |
| ·统计学习理论 | 第17-20页 |
| ·机器学习问题的表示 | 第17页 |
| ·经验风险最小化 | 第17-18页 |
| ·VC维 | 第18页 |
| ·泛化性能的上界 | 第18-19页 |
| ·结构风险最小化 | 第19-20页 |
| ·支持向量分类理论 | 第20-24页 |
| ·最优分割超平面 | 第21-22页 |
| ·解的稀疏性 | 第22页 |
| ·不可分情况下的扩展 | 第22-23页 |
| ·最优超平面和SRM | 第23页 |
| ·推广到高维特征空间 | 第23-24页 |
| ·支持向量分类的实现细节 | 第24-32页 |
| ·实现技术 | 第24-25页 |
| ·门限 | 第25页 |
| ·概率解 | 第25页 |
| ·推广到多类分类 | 第25-29页 |
| ·层次化分类 | 第29-31页 |
| ·分类评价标准 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第三章 支持新闻自动分类的关键算法设计 | 第33-49页 |
| ·基于双词典的改进型双向最大匹配算法 | 第33-41页 |
| ·基础算法选取 | 第33-34页 |
| ·算法原理 | 第34-36页 |
| ·算法设计 | 第36-40页 |
| ·实验和性能评价 | 第40-41页 |
| ·基于动态表的停用词消除算法 | 第41-44页 |
| ·算法原理与设计 | 第41-43页 |
| ·实验和性能评价 | 第43-44页 |
| ·基于改进型多项式核的SVM多类分类算法 | 第44-48页 |
| ·算法原理 | 第44-46页 |
| ·算法设计 | 第46-47页 |
| ·实验和性能评价 | 第47-48页 |
| ·小结 | 第48-49页 |
| 第四章 新闻自动分类系统的设计与实现 | 第49-63页 |
| ·总体设计 | 第49-55页 |
| ·训练样本收集模块设计 | 第51-52页 |
| ·分类预处理模块设计 | 第52-54页 |
| ·SVM分类器模块设计 | 第54-55页 |
| ·系统实现 | 第55-62页 |
| ·训练样本收集模块的实现 | 第55-56页 |
| ·分类预处理模块的实现 | 第56-60页 |
| ·SVM分类器模块的实现 | 第60-62页 |
| ·小结 | 第62-63页 |
| 第五章 结论 | 第63-65页 |
| ·系统总体评价 | 第63页 |
| ·总结 | 第63-64页 |
| ·未来工作 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |