| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 前言 | 第9-13页 |
| 1.1 课题研究的背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 关键技术综述 | 第13-28页 |
| 2.1 网页分类技术 | 第13-18页 |
| 2.1.1 网页的抓取技术 | 第13-14页 |
| 2.1.2 网页的清洗 | 第14页 |
| 2.1.3 中文分词技术 | 第14-15页 |
| 2.1.4 特征提取技术 | 第15-16页 |
| 2.1.5 网页分类算法 | 第16-18页 |
| 2.1.6 网页分类算法的评价 | 第18页 |
| 2.2 支持向量机的基本原理 | 第18-24页 |
| 2.2.1 支持向量机简介 | 第18-19页 |
| 2.2.2 SVM 的几何意义 | 第19-20页 |
| 2.2.3 SVM 的设计原理 | 第20-22页 |
| 2.2.4 SVM 的算法实现 | 第22-24页 |
| 2.3 主动学习算法简介 | 第24-26页 |
| 2.4 主动学习算法的研究方向 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 一种训练集缩减聚类选择的主动学习方法 | 第28-36页 |
| 3.1 最大最小聚类算法 | 第29-31页 |
| 3.2 K-means 聚类算法 | 第31-32页 |
| 3.3 训练集缩减的聚类选择算法 | 第32-33页 |
| 3.4 实验与结果分析 | 第33-35页 |
| 3.4.1 实验设计 | 第33页 |
| 3.4.2 实验数据 | 第33-34页 |
| 3.4.3 实验结果与分析 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 多类别主动学习分类算法 | 第36-44页 |
| 4.1 支持向量机多类别分类问题提出 | 第36页 |
| 4.2 多类别分类常用方法 | 第36-39页 |
| 4.2.1 一对一分类(one versus one) | 第36-37页 |
| 4.2.2 一对余分类(one versus the rest) | 第37页 |
| 4.2.3 有向无环图分类（Directed Acyclic Graph） | 第37-38页 |
| 4.2.4 纠错输出编码分类 | 第38-39页 |
| 4.3 多类别主动学习分类算法实现 | 第39-40页 |
| 4.4 实验数据与结果分析 | 第40-43页 |
| 4.4.1 实验数据 | 第40-41页 |
| 4.4.2 实验结果与分析 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 主动学习分类实验系统 | 第44-54页 |
| 5.1 实验环境 | 第44页 |
| 5.2 系统框架 | 第44-49页 |
| 5.2.1 网页预处理 | 第44-48页 |
| 5.2.2 训练模块 | 第48页 |
| 5.2.3 测试模块 | 第48-49页 |
| 5.3 系统运行过程 | 第49-52页 |
| 5.3.1 系统运行情况 | 第49-52页 |
| 5.4 结果分析 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 总结 | 第54-57页 |
| 主要工作 | 第54-55页 |
| 主要创新点 | 第55页 |
| 存在的问题及未来研究方向 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间取得的学术成果 | 第61-62页 |
| 致谢 | 第62页 |
