| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 表格索引 | 第9-10页 |
| 插图索引 | 第10-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-13页 |
| 1.1.1 普适计算 | 第11-12页 |
| 1.1.2 支持向量机 | 第12-13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.3 关键技术 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 相关理论和研究 | 第17-31页 |
| 2.1 支持向量机简介 | 第17-19页 |
| 2.2 支持向量机的算法 | 第19-30页 |
| 2.2.1 基于分解的算法 | 第19-23页 |
| 2.2.2 序列最小优化算法 | 第23-28页 |
| 2.2.3 其他重要算法 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 半稀疏算法 | 第31-49页 |
| 3.1 传统的稀疏算法 | 第31-33页 |
| 3.2 半稀疏算法的设计与实现 | 第33-37页 |
| 3.2.1 半稀疏算法 | 第33-35页 |
| 3.2.2 半稀疏算法的实现 | 第35页 |
| 3.2.3 半稀疏算法的性能分析 | 第35-36页 |
| 3.2.4 静态实现与动态实现 | 第36-37页 |
| 3.3 半稀疏算法的讨论 | 第37-38页 |
| 3.4 实验和验证 | 第38-47页 |
| 3.4.1 数据集 | 第38-39页 |
| 3.4.2 参数设置 | 第39-41页 |
| 3.4.3 性能综述 | 第41-43页 |
| 3.4.4 分类精确度 | 第43-46页 |
| 3.4.5 训练时间与参数c的关系 | 第46-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 多标签分类及并行实现 | 第49-67页 |
| 4.1 多分类问题 | 第49-58页 |
| 4.1.1 多分类单标签问题 | 第50-51页 |
| 4.1.2 多分类多标签问题 | 第51-52页 |
| 4.1.3 SMO对于训练失衡的自适应性 | 第52-53页 |
| 4.1.4 基于SVMTorch的多标签分类方法 | 第53-58页 |
| 4.2 并行化的SVMTORCH设计 | 第58-63页 |
| 4.3 实验数据与分析 | 第63-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第五章 SVMTORCH在网页分类中的应用 | 第67-75页 |
| 5.1 系统框架 | 第67-68页 |
| 5.2 中文网页的表示 | 第68-69页 |
| 5.3 中文网页的分词处理 | 第69-70页 |
| 5.4 中文网页的特征提取 | 第70页 |
| 5.5 基于SVMTORCH的特征提取 | 第70-71页 |
| 5.6 实验结果和分析 | 第71-74页 |
| 5.7 本章小结 | 第74-75页 |
| 第六章 全文总结 | 第75-79页 |
| 6.1 全文结论 | 第75-77页 |
| 6.1.1 半稀疏算法 | 第75-76页 |
| 6.1.2 多标签分类 | 第76-77页 |
| 6.1.3 SVMTorch的并行程序实现 | 第77页 |
| 6.1.4 改进的SVMTorch在网页分类中的应用 | 第77页 |
| 6.2 研究展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 攻读硕士学位期间已发表或录用的论文 | 第85-87页 |