| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-15页 |
| ·研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文研究的主要内容 | 第13-15页 |
| 2 支持向量机理论与核函数理论 | 第15-34页 |
| ·支持向量机 | 第15-22页 |
| ·统计学习理论 | 第15-16页 |
| ·最优超平面 | 第16-17页 |
| ·线性可分支持向量机 | 第17-19页 |
| ·线性不可分支持向量机 | 第19-21页 |
| ·非线性支持向量机 | 第21-22页 |
| ·支持向量机的特点以及应用领域 | 第22-24页 |
| ·支持向量机的主要特点 | 第22-23页 |
| ·SVM 的应用领域 | 第23-24页 |
| ·核函数理论 | 第24-27页 |
| ·半正定矩阵与内积 | 第25-26页 |
| ·Mercer 定理 | 第26-27页 |
| ·常见的核函数 | 第27-28页 |
| ·加权多宽度高斯核 | 第28-34页 |
| ·核合法性的证明 | 第28-29页 |
| ·参数可调的意义 | 第29-30页 |
| ·参数确定和模型选择 | 第30-34页 |
| 3 文本分类技术 | 第34-40页 |
| ·文本分类基本原理 | 第34-35页 |
| ·WEB 文本分类技术 | 第34页 |
| ·常用的文本分类技术 | 第34-35页 |
| ·中文分词 | 第35-37页 |
| ·中文分词技术 | 第35-36页 |
| ·常见的中文分词系统 | 第36-37页 |
| ·文本信息预处理与特征降维 | 第37-38页 |
| ·文本特征表示形式 | 第38-40页 |
| 4 基于混合核函数的支持向量机在文本分类中的应用研究 | 第40-48页 |
| ·混合核函数的构造 | 第40-44页 |
| ·单个核函数存在的问题 | 第40-41页 |
| ·混合核函数的构造原则 | 第41-43页 |
| ·混合核函数 | 第43-44页 |
| ·本文中所提出的混合核函数 | 第44-45页 |
| ·混合核函数合法性证明 | 第45-46页 |
| ·基于该混合核函数的文本分类系统 | 第46-48页 |
| 5 系统实验与分析 | 第48-56页 |
| ·系统设计 | 第48-49页 |
| ·算法步骤 | 第49-50页 |
| ·文本分类实验 | 第50-51页 |
| ·输入数据预处理与特征降维 | 第50页 |
| ·分类的评价标准 | 第50-51页 |
| ·文本分类结果比较 | 第51-54页 |
| ·实验结论与分析 | 第54-56页 |
| 6 总结与展望 | 第56-58页 |
| ·全文总结 | 第56页 |
| ·研究展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 个人简历 | 第63页 |
| 发表的学术论文 | 第63页 |