基于支持向量机的多类文本分类研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 引言 | 第8-11页 |
| ·问题提出及研究的意义 | 第8页 |
| ·文本分类的国内外研究现状 | 第8-9页 |
| ·本文的研究内容 | 第9-10页 |
| ·本文的组织结构 | 第10-11页 |
| 2 文本挖掘的理论与技术 | 第11-19页 |
| ·数据挖掘 | 第11-14页 |
| ·数据挖掘的定义 | 第11-12页 |
| ·数据挖掘的任务及方法 | 第12页 |
| ·数据挖掘的过程 | 第12-14页 |
| ·文本挖掘 | 第14-15页 |
| ·文本挖掘介绍 | 第14-15页 |
| ·文本挖掘的过程 | 第15页 |
| ·文本挖掘关键技术 | 第15-16页 |
| ·文本聚类 | 第16页 |
| ·文本分类 | 第16页 |
| ·文本分类的研究 | 第16-18页 |
| ·文本分类的任务 | 第16-17页 |
| ·文本分类的过程 | 第17页 |
| ·文本分类算法 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 3 支持向量机分类算法 | 第19-25页 |
| ·支持向量机概述 | 第19页 |
| ·SVM 的基本思想 | 第19-20页 |
| ·非线性可分情形 | 第20-22页 |
| ·SVM 的应用 | 第22-23页 |
| ·文本分类 | 第22页 |
| ·图像识别 | 第22页 |
| ·手写数字识别 | 第22-23页 |
| ·基因表达 | 第23页 |
| ·支持向量机的主要研究进展 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 4 一种改进的多类支持向量机分类方法 | 第25-40页 |
| ·现有的SVM 多类分类方法 | 第25-31页 |
| ·一次性求解方法 | 第25页 |
| ·1-v-r SVM | 第25-27页 |
| ·1-v-1 SVM | 第27-28页 |
| ·DDAG SVM | 第28-29页 |
| ·“二叉树”方法 | 第29-30页 |
| ·“纠错编码”方法 | 第30-31页 |
| ·M-ary 支持向量机 | 第31页 |
| ·SVM 多类分类方法的比较分析 | 第31-33页 |
| ·一种改进的DDAG-SVM 方法 | 第33-39页 |
| ·类间不可分离程度 | 第34-36页 |
| ·算法设计 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 5 实验与结论 | 第40-43页 |
| ·实验环境与实验数据 | 第40页 |
| ·文本分类性能评价指标 | 第40-41页 |
| ·实验结果与分析 | 第41-43页 |
| 6 总结与展望 | 第43-45页 |
| ·总结 | 第43页 |
| ·下一步的工作 | 第43-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 附录 | 第50页 |
| A. 作者在攻读学位期间发表的论文目录 | 第50页 |
| B. 作者在攻读硕士学位期间所参与的科研课题 | 第50页 |
