| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究目的与意义 | 第9-10页 |
| 1.3 本文主要工作 | 第10-11页 |
| 1.4 本文组织结构 | 第11-13页 |
| 第2章 相关技术论述 | 第13-25页 |
| 2.1 传统分类算法 | 第13-18页 |
| 2.1.1 概述 | 第13页 |
| 2.1.2 常见分类算法 | 第13-16页 |
| 2.1.3 分类器评估方法 | 第16-18页 |
| 2.2 XML文档分类基础 | 第18-21页 |
| 2.2.1 XML数据模型 | 第18-21页 |
| 2.2.2 XML文档分类方法综述 | 第21页 |
| 2.3 极限学习机的应用 | 第21-23页 |
| 2.4 粒子群优化的应用 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 XML文档的特征表达 | 第25-35页 |
| 3.1 特征选择 | 第25-27页 |
| 3.2 向量空间模型 | 第27页 |
| 3.3 结构链接向量模型 | 第27-29页 |
| 3.4 改进的结构链接向量模型I-SLVM | 第29-33页 |
| 3.4.1 VSM和SLVM存在问题分析 | 第29-30页 |
| 3.4.2 类别覆盖率标准 | 第30-31页 |
| 3.4.3 TFIDF的不足及改进 | 第31-32页 |
| 3.4.4 改进的结构链接向量模型I-SLVM | 第32-33页 |
| 3.5 本章小结 | 第33-35页 |
| 第4章 基于粒子群优化的极限学习机 | 第35-49页 |
| 4.1 极限学习机 | 第35-37页 |
| 4.2 传统极限学习机的不足及改进 | 第37页 |
| 4.3 粒子群优化算法 | 第37-41页 |
| 4.3.1 标准粒子群优化算法 | 第38-39页 |
| 4.3.2 参数设置 | 第39-41页 |
| 4.4 带混沌变异的PSO算法 | 第41-44页 |
| 4.5 基于CPSO的极限学习机 | 第44-47页 |
| 4.6 本章小结 | 第47-49页 |
| 第5章 实验及其结果分析 | 第49-57页 |
| 5.1 实验环境 | 第49-50页 |
| 5.1.1 实验平台 | 第49页 |
| 5.1.2 数据集 | 第49-50页 |
| 5.2 实验方案 | 第50-51页 |
| 5.3 评价指标 | 第51页 |
| 5.4 实验结果及分析 | 第51-55页 |
| 5.4.1 SLVM模型和I-SLVM模型比较 | 第51-53页 |
| 5.4.2 ELM、E-ELM与CPSO-ELM的性能比较 | 第53-55页 |
| 5.5 本章小结 | 第55-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士期间发表的论文和参加的项目 | 第67页 |