支持向量机研究及其在文本分类中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| CONTENTS | 第8-10页 |
| 第一章 绪论 | 第10-13页 |
| ·文本分类的研究现状 | 第10-12页 |
| ·项目的提出 | 第12页 |
| ·论文的组织 | 第12-13页 |
| 第二章 文本分类及支持向量机技术 | 第13-32页 |
| ·文本分类的定义及数学解释 | 第13-15页 |
| ·文本分类的定义 | 第13-14页 |
| ·文本分类的数学解释 | 第14-15页 |
| ·文本分类相关技术介绍 | 第15-23页 |
| ·文本表示 | 第15-16页 |
| ·向量空间模型VSM | 第16页 |
| ·特征项权重计算 | 第16-18页 |
| ·特征选择与特征抽取 | 第18-19页 |
| ·传统的学习方法 | 第19-21页 |
| ·文本分类的评估指标 | 第21-23页 |
| ·支持向量机技术介绍 | 第23-31页 |
| ·机器学习 | 第23-24页 |
| ·支持向量机简述 | 第24-30页 |
| ·支持向量机小结 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 支持向量机训练算法研究 | 第32-44页 |
| ·支持向量训练算法的分析 | 第32-37页 |
| ·分解算法及其工作集的选取 | 第33-34页 |
| ·序列最小优化算法及其工作集的选择 | 第34-37页 |
| ·缓存策略 | 第37页 |
| ·工作集选择的不足 | 第37-38页 |
| ·一种新的支持向量机训练算法 | 第38-40页 |
| ·实验结果及分析 | 第40-43页 |
| ·两类分类实验 | 第40-42页 |
| ·多类分类实验 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 文本分类器的实现及实验 | 第44-57页 |
| ·文本分类的一般过程 | 第44-46页 |
| ·文本分类器的详细设计 | 第46-50页 |
| ·文本表示 | 第46页 |
| ·数据字典与特征向量 | 第46-48页 |
| ·文本向量的特征提取 | 第48-50页 |
| ·训练分类器及分类器的预测 | 第50-52页 |
| ·文本分类器的实验 | 第52-56页 |
| ·文本分类器的界面展示 | 第52-55页 |
| ·文本分类器的结果分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间发表的论文 | 第61-63页 |
| 致谢 | 第63页 |
