基于半监督的支持向量机网页分类方法
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 前言 | 第8-15页 |
| ·课题背景与意义 | 第8页 |
| ·国内外研究现状 | 第8-13页 |
| ·论文研究内容 | 第13页 |
| ·论文组织结构 | 第13-15页 |
| 第二章 网页分类技术 | 第15-25页 |
| ·网页分类预处理技术 | 第15-18页 |
| ·文本分类 | 第15-16页 |
| ·文本的表示 | 第16-17页 |
| ·预处理 | 第17页 |
| ·特征提取 | 第17-18页 |
| ·网页分类算法分类 | 第18-20页 |
| ·常用网页分类算法 | 第20-23页 |
| ·NB 算法 | 第20-21页 |
| ·KNN 算法 | 第21-22页 |
| ·最大熵模型分类方法 | 第22页 |
| ·聚类分类方法 | 第22-23页 |
| ·网页分类的评价方法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 半监督支持向量机和主动学习 | 第25-35页 |
| ·支持向量机基本原理 | 第25-31页 |
| ·支持向量机概述 | 第25页 |
| ·支持向量机的几何意义 | 第25-26页 |
| ·支持向量机的一般原理 | 第26-28页 |
| ·支持向量机的训练算法 | 第28-31页 |
| ·半监督支持向量机 | 第31-33页 |
| ·半监督支持向量机概述 | 第31-32页 |
| ·半监督支持向量机原理和训练方法 | 第32-33页 |
| ·主动学习 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于主动学习的半监督支持向量机改进算法 | 第35-41页 |
| ·半监督支持向量机训练算法分析 | 第35-36页 |
| ·基于主动学习的半监督支持向量机训练方法 | 第36-38页 |
| ·实验与讨论 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 中文网页分类实验系统设计 | 第41-52页 |
| ·实验环境设定 | 第41页 |
| ·实验系统结构设计 | 第41-47页 |
| ·特征提取模块 | 第42-46页 |
| ·训练模块 | 第46页 |
| ·分类模块 | 第46-47页 |
| ·运行结果及分析 | 第47-51页 |
| ·系统运行 | 第47-50页 |
| ·运行结果分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 总结 | 第52-54页 |
| 主要工作 | 第52页 |
| 主要创新点 | 第52-53页 |
| 存在的问题及未来的方向 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 在学期间的研究成果 | 第58-59页 |
| 致谢 | 第59页 |
