| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-17页 |
| ·引言 | 第13页 |
| ·文本分类发展及研究现状 | 第13-14页 |
| ·支持向量机的发展及研究现状 | 第14-15页 |
| ·基于支持向量机的文本分类方法 | 第15-16页 |
| ·本文主要工作 | 第16页 |
| ·本文的内容组织 | 第16-17页 |
| 第二章 文本分类概述 | 第17-29页 |
| ·文本分类的定义 | 第17页 |
| ·文本分类过程 | 第17-19页 |
| ·特征选择方法比较 | 第19-23页 |
| ·文本分类算法比较 | 第23-27页 |
| ·分类器性能指标 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 支持向量机概述 | 第29-40页 |
| ·支持向量机理论基础 | 第29-33页 |
| ·统计学习理论 | 第29-30页 |
| ·VC 维 | 第30-31页 |
| ·结构风险最小化理论 | 第31-32页 |
| ·最优超平面 | 第32-33页 |
| ·支持向量机的分类 | 第33-39页 |
| ·线性 SVM | 第34-36页 |
| ·非线性 SVM | 第36-37页 |
| ·SVM 分类器参数选择 | 第37-38页 |
| ·SVM 分类器构造 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于SVM 的 WDED 评价特征词选取方法的 TC | 第40-48页 |
| ·文档频数特征选择方法 | 第40页 |
| ·WDED 评价特征词选取方法 | 第40-43页 |
| ·支持向量机分类处理 | 第43-46页 |
| ·实验结果及分析比较 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 WDED 评价特征词选取方法 TC 的分类器优化改进 | 第48-52页 |
| ·分类器优化改进算法 | 第48-49页 |
| ·实验结果及分析比较 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-53页 |
| ·工作总结 | 第52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文 | 第57-58页 |