| 中文摘要 | 第1-10页 |
| ABSTRACT | 第10-13页 |
| 第一章 引言 | 第13-19页 |
| ·研究背景 | 第13页 |
| ·国内外研究现状 | 第13-16页 |
| ·本文的研究内容 | 第16-17页 |
| ·本文的结构安排 | 第17-19页 |
| 第二章 预备知识 | 第19-27页 |
| ·支持向量机 | 第19-20页 |
| ·主动学习 | 第20-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 基于距离的SVM主动学习策略 | 第27-35页 |
| ·基于距离的SVM主动学习算法 | 第27-29页 |
| ·基于距离的置信度度量方法 | 第27-28页 |
| ·基于聚类的训练集平衡度调整策略 | 第28页 |
| ·Dix-SVMactive算法 | 第28-29页 |
| ·实验结果与分析 | 第29-33页 |
| ·Dix-SVMactive的有效性验证及实验结果分析 | 第30-32页 |
| ·Dix-SVMactive训练集平衡度调整实验分析 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 基于向量余弦的SVM主动学习策略 | 第35-49页 |
| ·基于向量余弦的SVM主动学习算法 | 第35-37页 |
| ·基于向量余弦的置信度度量方法 | 第35-36页 |
| ·基于向量余弦的训练集平衡度调整策略 | 第36页 |
| ·Cos-SVMactive算法 | 第36-37页 |
| ·实验结果与分析 | 第37-47页 |
| ·Cos_SVMactive的有效性验证及实验结果分析 | 第38-43页 |
| ·Cos_SVMactive在不同迭代停止条件下的实验分析 | 第43-45页 |
| ·Cos_SVMactive的收敛性实验分析 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 结论与展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读学位期间取得的研究成果 | 第55-57页 |
| 致谢 | 第57-59页 |
| 个人简况及联系方式 | 第59-63页 |
