| 中文摘要 | 第1页 |
| 英文摘要 | 第3-6页 |
| 第一章 引言 | 第6-10页 |
| ·数据挖掘 | 第6-7页 |
| ·文本分类 | 第7-8页 |
| ·问题的提出 | 第8-9页 |
| ·本文的组织结构 | 第9-10页 |
| 第二章 文本分类 | 第10-22页 |
| ·文本分类的定义 | 第10-11页 |
| ·文档的表示 | 第11-12页 |
| ·分类技术 | 第12页 |
| ·SVM | 第12-16页 |
| ·统计学习理论 | 第12-13页 |
| ·线性SVM | 第13-15页 |
| ·非线性SVM | 第15-16页 |
| ·分类器评价标准 | 第16-20页 |
| ·训练集和测试集 | 第17-18页 |
| ·查全率和查对率 | 第18-19页 |
| ·BEP 和F1 | 第19-20页 |
| ·准确率(Accuracy) | 第20页 |
| ·小结 | 第20-22页 |
| 第三章 利用核函数挖掘分类规则 | 第22-36页 |
| ·布尔核函数 | 第22页 |
| ·具有归纳偏置的布尔核函数 | 第22-24页 |
| ·四种布尔核函数 | 第23页 |
| ·核函数比较及性能说明 | 第23-24页 |
| ·DRC-BK | 第24-34页 |
| ·分类规则挖掘算法 | 第24-29页 |
| ·MDNF 和DNF 核函数 | 第24-27页 |
| ·MPDNF 核函数和PDNF 核函数 | 第27-29页 |
| ·分类规则挖掘 | 第29-30页 |
| ·分类算法 | 第30页 |
| ·DRC-BK 的实现 | 第30-34页 |
| ·小结 | 第34-36页 |
| 第四章 加权SVM法线规则筛选算法 | 第36-42页 |
| ·特征筛选方法 | 第36-39页 |
| ·信息增益(IG) | 第37-38页 |
| ·Odds Radio | 第38页 |
| ·SVM 法线 | 第38-39页 |
| ·用加权SVM 法线规则集筛选方法改进DRC-BK | 第39-40页 |
| ·加权SVM 法线规则集筛选算法的程序实现 | 第40页 |
| ·小结 | 第40-42页 |
| 第五章 实验结果及性能评价 | 第42-57页 |
| ·实验文档集 | 第42-44页 |
| ·UCI 数据集 | 第42-43页 |
| ·Reute1521578 数据集 | 第43-44页 |
| ·实验结果及分析 | 第44-55页 |
| ·UCI 数据集实验结果及分析 | 第44-49页 |
| ·Reute1521578 数据集实验结果及分析 | 第49-53页 |
| ·进行规则筛选的实验结果 | 第53-55页 |
| ·小结 | 第55-57页 |
| 第六章 结论及工作展望 | 第57-60页 |
| ·本文总结 | 第57-58页 |
| ·工作展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 在学期间发表的论文和参加科研情况 | 第64页 |
| 一、以第一作者发表 | 第64页 |
| 二、以非第一作者发表 | 第64页 |
| 三、所获奖励 | 第64页 |