基于SVM的中文文本分类算法研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·本文的主要研究内容 | 第13-14页 |
| ·本文解决的关键问题 | 第14-15页 |
| 第2章 SVM基础理论研究 | 第15-25页 |
| ·机器学习问题简述 | 第15-16页 |
| ·经验风险最小化原理 | 第16-17页 |
| ·统计学习理论 | 第17-20页 |
| ·函数集的VC维 | 第17-18页 |
| ·泛化误差的边界 | 第18页 |
| ·结构风险最小化原理 | 第18-20页 |
| ·SVM算法研究 | 第20-24页 |
| ·SVM算法概述 | 第20-21页 |
| ·SVM训练算法研究 | 第21-23页 |
| ·SVM分类函数的简化 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于SVM的两类分类算法研究及改进 | 第25-50页 |
| ·二次规划问题求解 | 第25-27页 |
| ·二次规划问题描述 | 第25-26页 |
| ·可行性方向法 | 第26-27页 |
| ·SVM算法的求解 | 第27-38页 |
| ·标准SVM算法描述与求解 | 第27-36页 |
| ·基于可行性方向法的SVM算法 | 第36-38页 |
| ·基于改进的SVM的中文文本分类系统的设计与实现 | 第38-49页 |
| ·中文文本分类关键技术研究 | 第38-40页 |
| ·基于改进的SVM的中文文本分类系统设计 | 第40-42页 |
| ·基于改进的SVM的中文文本分类系统实现 | 第42-46页 |
| ·实验结果及算法性能分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于SVM的多类分类算法研究及改进 | 第50-64页 |
| ·常用的基于SVM的多类分类算法 | 第50-52页 |
| ·一对多方法 | 第50-51页 |
| ·一对一方法 | 第51页 |
| ·决策有向无环图 | 第51-52页 |
| ·基于二叉树的多类SVM分类算法 | 第52页 |
| ·基于二叉树的多类SVM分类算法分析 | 第52-55页 |
| ·原算法分析 | 第52-54页 |
| ·原算法问题的提出 | 第54-55页 |
| ·基于二叉树的多类SVM分类算法的改进 | 第55-63页 |
| ·文本聚类算法研究 | 第55-57页 |
| ·本文改进思想及改进后算法描述 | 第57-60页 |
| ·改进后算法性能分析 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| ·全文总结 | 第64-65页 |
| ·未来工作展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 作者攻读学位期间发表的论文与参加的项目 | 第70页 |
