多层文本分类与增量学习关键技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景与意义 | 第7-8页 |
| ·研究目标与关键技术 | 第8页 |
| ·研究目标 | 第8页 |
| ·关键技术 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9-10页 |
| ·本论文工作内容及组织结构 | 第10-13页 |
| 第二章 文本分类相关理论和技术 | 第13-19页 |
| ·文本分类概述 | 第13-14页 |
| ·向量空间模型 | 第14-15页 |
| ·支持向量机理论 | 第15-19页 |
| 第三章 SVM多层文本分类方法 | 第19-31页 |
| ·SVM多层分类概述 | 第19-20页 |
| ·分类模型训练方法 | 第20-29页 |
| ·分类概念树定义 | 第20-22页 |
| ·训练集构建方法 | 第22-25页 |
| ·分类器构建方法 | 第25-27页 |
| ·特征选择方法 | 第27-28页 |
| ·分类模型学习方法 | 第28-29页 |
| ·分类模型测试方法 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第四章 HISVML增量学习方法 | 第31-47页 |
| ·HISVML概述 | 第31-33页 |
| ·SVM增量学习 | 第31-32页 |
| ·HISVML算法总体结构 | 第32-33页 |
| ·特征项增量学习方法 | 第33-38页 |
| ·问题说明 | 第33-35页 |
| ·增量更新特征项集 | 第35-38页 |
| ·多层分类器增量学习方法 | 第38-46页 |
| ·问题说明 | 第38-40页 |
| ·样本淘汰算法 | 第40-43页 |
| ·On-Line SVM增量学习算法 | 第43-44页 |
| ·增量更新分类树 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 多层分类系统RCCata的设计与实现 | 第47-59页 |
| ·系统设计目标 | 第47页 |
| ·体系结构总体设计 | 第47-49页 |
| ·体系结构—流程视角 | 第47-48页 |
| ·体系结构—数据视角 | 第48-49页 |
| ·主要流程设计与实现 | 第49-53页 |
| ·一次性学习流程 | 第49-50页 |
| ·增量学习流程 | 第50-52页 |
| ·测试流程 | 第52-53页 |
| ·核心数据模块设计与实现 | 第53-58页 |
| ·分类概念树模块 | 第53-54页 |
| ·特征项表模块 | 第54-55页 |
| ·文本向量模块 | 第55-56页 |
| ·分类模型模块 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 实验研究 | 第59-67页 |
| ·实验设计 | 第59-61页 |
| ·实验内容 | 第59页 |
| ·性能评价标准 | 第59-60页 |
| ·实验环境和数据集 | 第60-61页 |
| ·实验结果及分析 | 第61-65页 |
| ·本章小结 | 第65-67页 |
| 结束语 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 在读期间研究成果 | 第75页 |
