| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 支持向量机模型的研究现状 | 第10页 |
| 1.2.2 不平衡支持向量机学习的国内外研究现状 | 第10-13页 |
| 1.3 论文研究内容 | 第13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 第二章 网页分类技术综述 | 第15-30页 |
| 2.1 网页分类技术 | 第15-20页 |
| 2.1.1 分类预处理技术 | 第15-17页 |
| 2.1.2 常用的网页分类算法 | 第17-18页 |
| 2.1.3 常用的网页分类方法 | 第18-20页 |
| 2.2 SVM 基本原理 | 第20-22页 |
| 2.2.1 SVM 简介 | 第20页 |
| 2.2.2 SVM 的几何意义 | 第20-21页 |
| 2.2.3 SVM 的工作原理 | 第21-22页 |
| 2.3 支持向量机的训练算法 | 第22-25页 |
| 2.3.1 Chunking 算法 | 第23-24页 |
| 2.3.2 Qsuna 算法 | 第24页 |
| 2.3.3 SVMlight算法 | 第24页 |
| 2.3.4 SMO 算法 | 第24-25页 |
| 2.3.5 各算法的比较 | 第25页 |
| 2.4 SMO 算法 | 第25-29页 |
| 2.4.1 SMO 算法原理 | 第25-27页 |
| 2.4.2 SMO 算法的执行步骤 | 第27-28页 |
| 2.4.3 SMO 算法的不足和改进 | 第28-29页 |
| 2.5 SVM 研究方向 | 第29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于采样法的支持向量机改进算法 | 第30-39页 |
| 3.1 数据预处理—去除噪声点数据 | 第30-31页 |
| 3.2 聚类和遗传算法 | 第31-33页 |
| 3.2.1 K-Means 聚类分析算法 | 第31-32页 |
| 3.2.2 遗传算法(genetic algorithms，GA) | 第32-33页 |
| 3.3 基于采样法的支持向量机改进算法 | 第33-34页 |
| 3.4 实验与讨论 | 第34-38页 |
| 3.4.1 实验设计 | 第34页 |
| 3.4.2 实验环境 | 第34-35页 |
| 3.4.3 实验结果 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于广义超球面 SVM 的不平衡算法 | 第39-48页 |
| 4.1 超球面 SVM 算法理论分析 | 第39-40页 |
| 4.2 广义超球面 SVM | 第40-42页 |
| 4.3 基于广义超球面 SVM 的算法研究 | 第42-43页 |
| 4.4 实验与讨论 | 第43-47页 |
| 4.4.1 实验设计 | 第43页 |
| 4.4.2 实验结果 | 第43-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 网页分类实验系统 | 第48-58页 |
| 5.1 实验环境 | 第48页 |
| 5.2 系统结构 | 第48-53页 |
| 5.2.1 网页预处理 | 第49-52页 |
| 5.2.2 SVM 数据集预处理模块 | 第52页 |
| 5.2.3 不平衡 SVM 分类模块 | 第52-53页 |
| 5.3 不平衡 SVM 系统运行及结果分析 | 第53-57页 |
| 5.3.1 运行流程 | 第53-56页 |
| 5.3.2 运行结果分析 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 总结 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间取得的学术成果 | 第65-66页 |
| 致谢 | 第66页 |