| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 前言 | 第9-17页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 RBF神经网络研究现状 | 第10-12页 |
| 1.2.2 多示例多标签研究现状 | 第12-15页 |
| 1.3 论文研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第二章 网页自动分类相关技术简介 | 第17-29页 |
| 2.1 文本自动分类简介 | 第17-18页 |
| 2.2 网页自动分类关键技术 | 第18-24页 |
| 2.2.1 网页预处理 | 第19-22页 |
| 2.2.2 常用网页分类算法 | 第22-24页 |
| 2.3 多示例多标签学习 | 第24-26页 |
| 2.3.1 多示例学习 | 第24页 |
| 2.3.2 多标签学习 | 第24-25页 |
| 2.3.3 多示例多标签学习 | 第25-26页 |
| 2.4 RBF神经网络 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于不平衡样本集的MIMLRBF神经网络改进算法 | 第29-40页 |
| 3.1 MIMLRBF神经网络结构 | 第29-30页 |
| 3.2 多示例样本间的距离 | 第30-31页 |
| 3.3 经典MIMLRBF神经网络训练算法 | 第31-32页 |
| 3.4 基于不平衡样本集的MIMLRBF神经网络算法 | 第32-34页 |
| 3.5 实验与讨论 | 第34-39页 |
| 3.5.1 实验设计 | 第34-35页 |
| 3.5.2 实验结果 | 第35-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 基于样本分布的宽度优化算法 | 第40-51页 |
| 4.1 径向基函数与插值问题 | 第40-43页 |
| 4.2 径向基函数宽度分析 | 第43-44页 |
| 4.3 MIMLRBF神经网络的宽度优化算法 | 第44-47页 |
| 4.4 实验与讨论 | 第47-50页 |
| 4.4.1 实验设计 | 第47页 |
| 4.4.2 实验结果 | 第47-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 网页分类系统设计与实现 | 第51-61页 |
| 5.1 实验环境设计 | 第51页 |
| 5.2 实验系统结构设计 | 第51-56页 |
| 5.2.1 网页预处理模块 | 第52-54页 |
| 5.2.2 训练模块 | 第54-55页 |
| 5.2.3 分类模块 | 第55-56页 |
| 5.3 运行结果及分析 | 第56-60页 |
| 5.3.1 运行操作 | 第56-59页 |
| 5.3.2 运行结果分析 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 总结 | 第61-64页 |
| 主要工作 | 第61-62页 |
| 主要创新点 | 第62页 |
| 存在的问题及未来的方向 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70页 |