| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 前言 | 第8-15页 |
| 1.1 课题背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 SVM研究现状 | 第9-10页 |
| 1.2.2 MIML学习研究现状 | 第10-12页 |
| 1.3 论文研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 网页分类技术简介 | 第15-26页 |
| 2.1 网页分类综述 | 第15-20页 |
| 2.1.1 网页分类流程概述 | 第15-16页 |
| 2.1.2 网页分类关键技术 | 第16-18页 |
| 2.1.3 网页分类常用算法 | 第18-20页 |
| 2.2 SVM基本原理 | 第20-22页 |
| 2.2.1 SVM综述 | 第20页 |
| 2.2.2 SVM的几何意义 | 第20-21页 |
| 2.2.3 SVM基本原理 | 第21-22页 |
| 2.3 SVM训练算法 | 第22-23页 |
| 2.4 MIML学习概述 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于ECC的E-MIMLSVM+改进算法 | 第26-36页 |
| 3.1 ECC简介 | 第26-27页 |
| 3.2 MIMLS VM+和E-MIMLSVM+算法 | 第27-30页 |
| 3.2.1 MIMLS VM+算法 | 第27-28页 |
| 3.2.2 E-MIMLS VM+算法 | 第28-30页 |
| 3.3 改进的MIMLSVM+训练算法 | 第30-32页 |
| 3.4 实验与讨论 | 第32-35页 |
| 3.4.1 实验设计 | 第32-33页 |
| 3.4.2 评价标准 | 第33页 |
| 3.4.3 实验结果与分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 直推式多示例多标签支持向量机算法 | 第36-42页 |
| 4.1 直推式支持向量机简介 | 第36-37页 |
| 4.2 渐进直推式支持向量机 | 第37-38页 |
| 4.3 IMIMLS VM+算法 | 第38-39页 |
| 4.4 实验与分析 | 第39-41页 |
| 4.4.1 实验设计 | 第39-40页 |
| 4.4.2 实验结果与分析 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 中文网页分类实验系统 | 第42-53页 |
| 5.1 实验环境设定 | 第42页 |
| 5.2 实验系统结构设计 | 第42-47页 |
| 5.2.1 预处理模块 | 第43-45页 |
| 5.2.2 训练模块 | 第45-46页 |
| 5.2.3 分类模块 | 第46-47页 |
| 5.3 系统运行结果与分析 | 第47-52页 |
| 5.3.1 运行过程 | 第47-51页 |
| 5.3.2 系统运行结果分析 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 总结 | 第53-56页 |
| 主要工作 | 第53页 |
| 主要创新点 | 第53-54页 |
| 存在的问题及未来的方向 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |