| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·论文研究的背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·文本分类的研究现状 | 第11-12页 |
| ·支持向量机的研究现状 | 第12-13页 |
| ·本文研究内容及论文组织结构 | 第13-14页 |
| 第2章 文本分类技术 | 第14-24页 |
| ·文本分类的基本概念 | 第14-16页 |
| ·文本的预处理 | 第16-18页 |
| ·向量空间模型 | 第18-19页 |
| ·特征选取 | 第19页 |
| ·主要的分类算法 | 第19-21页 |
| ·分类器的性能评估 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 统计学习理论和支持向量机 | 第24-33页 |
| ·统计学习理论 | 第24-28页 |
| ·学习过程的一致性 | 第24-25页 |
| ·VC 维 | 第25-26页 |
| ·推广性的界 | 第26页 |
| ·结构风险最小化 | 第26-28页 |
| ·支持向量机 | 第28-32页 |
| ·广义最优分类面 | 第28-30页 |
| ·支持向量机模型结构 | 第30页 |
| ·核函数 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 一种新的软间隔支持向量机模型S-SVM | 第33-45页 |
| ·软间隔支持向量机C-SVC | 第33-35页 |
| ·新的软间隔支持向量机S-SVM | 第35-36页 |
| ·S-SVM 的核函数和参数选择问题 | 第36-40页 |
| ·S-SVM 模型的多类分类算法 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 基于S-SVM 的多类分类系统的设计与实现 | 第45-61页 |
| ·多类分类系统设计 | 第45-56页 |
| ·语料库选择 | 第45-49页 |
| ·文本预处理 | 第49-52页 |
| ·文本向量化 | 第52-54页 |
| ·评估标准 | 第54页 |
| ·系统设计 | 第54-56页 |
| ·实验结果 | 第56-60页 |
| ·软间隔C-SVC 的性能评估 | 第56-57页 |
| ·支持向量比例s-SVM 的性能评估 | 第57-60页 |
| ·本章小节 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |