设计与实现基于支持向量机的水电故障分类器
| 内容提要 | 第1-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题研究的目的与意义 | 第7-8页 |
| ·课题目的 | 第7页 |
| ·课题意义 | 第7-8页 |
| ·文本挖掘的研究现状 | 第8页 |
| ·支持向量机的研究现状 | 第8-9页 |
| ·本文组织结构 | 第9-11页 |
| 第二章 本文分类技术 | 第11-23页 |
| ·文本分类概念 | 第11-12页 |
| ·文本分类的过程 | 第12-16页 |
| ·文本的表示 | 第12页 |
| ·向量空间模型 | 第12-13页 |
| ·特征项的提取 | 第13-16页 |
| ·文本分类的性能评估 | 第16-18页 |
| ·文本分类算法 | 第18-23页 |
| ·朴素贝叶斯分类 | 第19-20页 |
| ·最近邻KNN算法 | 第20-21页 |
| ·决策树 | 第21页 |
| ·支持向量机 | 第21-22页 |
| ·基于投票的方法 | 第22-23页 |
| 第三章 中文文本分类器的设计 | 第23-30页 |
| ·水电故障分类器的需求分析 | 第23页 |
| ·业务分析 | 第23页 |
| ·设计思想 | 第23-24页 |
| ·基于支持向量机的中文文本分类器的总体设计 | 第24-25页 |
| ·中文文本分词技术 | 第25-28页 |
| ·中文分词的必要性 | 第25-26页 |
| ·中文分词技术 | 第26-27页 |
| ·ICTCLAS分词 | 第27-28页 |
| ·文本的特征向量化算法 | 第28-29页 |
| ·中文文本分类其算法实现 | 第29-30页 |
| 第四章 统计学习理论与支持向量机 | 第30-41页 |
| ·机器学习的基本方法 | 第30-31页 |
| ·问题的一般表示 | 第30页 |
| ·经验风险最小化 | 第30-31页 |
| ·统计学习理论 | 第31-33页 |
| ·VC维 | 第31-32页 |
| ·结构风险最小化 | 第32-33页 |
| ·支持向量机 | 第33-37页 |
| ·最优超平面 | 第33-35页 |
| ·线性支持向量机 | 第35-36页 |
| ·非线性支持向量机 | 第36-37页 |
| ·核函数理论 | 第37-39页 |
| ·多分类支持向量机 | 第39-41页 |
| ·一对一SVM分类 | 第39-40页 |
| ·一对多SVM分类 | 第40-41页 |
| 第五章 基于支持向量机的水电故障分类器的实现 | 第41-48页 |
| ·实验环境搭建 | 第41-42页 |
| ·实现环境 | 第41-42页 |
| ·文本数据来源 | 第42页 |
| ·分类结果评价 | 第42-43页 |
| ·水电故障文本分类器的实现 | 第43-48页 |
| 第六章 总结与展望 | 第48-49页 |
| ·本文工作总结 | 第48页 |
| ·下一步工作展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 摘要 | 第51-53页 |
| ABSTRACT | 第53-57页 |
| 致谢 | 第57页 |
