| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 前言 | 第10-16页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 SVM技术研究现状 | 第11-12页 |
| 1.2.2 多示例多标签学习研究现状 | 第12-14页 |
| 1.3 论文研究内容 | 第14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 网页分类技术概述 | 第16-28页 |
| 2.1 关于网页分类 | 第16-21页 |
| 2.1.1 常用的网页分类算法 | 第16-19页 |
| 2.1.2 网页分类技术 | 第19-21页 |
| 2.2 多示例多标签学习 | 第21-24页 |
| 2.2.1 多示例学习 | 第21-22页 |
| 2.2.2 多标签学习 | 第22-23页 |
| 2.2.3 多示例多标签学习 | 第23-24页 |
| 2.3 SVM概述 | 第24-27页 |
| 2.3.1 SVM简介 | 第24页 |
| 2.3.2 SVM基本原理 | 第24-26页 |
| 2.3.3 核函数 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于混合高斯模型的MIMLSVM改进算法 | 第28-40页 |
| 3.1 聚类算法K-Means和 K-Medoids | 第28-30页 |
| 3.1.1 K-Means算法 | 第28-29页 |
| 3.1.2 K-Medoids算法 | 第29-30页 |
| 3.2 基于混合高斯模型的MIMLSVM改进算法 | 第30-35页 |
| 3.2.1 豪斯多夫距离 | 第31页 |
| 3.2.2 MIMLSVM算法 | 第31-32页 |
| 3.2.3 EM算法 | 第32-33页 |
| 3.2.4 混合高斯模型 | 第33-34页 |
| 3.2.5 MIMLSVM改进算法 | 第34-35页 |
| 3.3 实验与分析 | 第35-38页 |
| 3.3.1 实验设计 | 第35页 |
| 3.3.2 实验结果分析 | 第35-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第四章 基于权重排序的多示例多标签算法 | 第40-50页 |
| 4.1 AdaBoost算法 | 第40-42页 |
| 4.1.1 AdaBoost算法 | 第40-41页 |
| 4.1.2 TF-IDF算法 | 第41-42页 |
| 4.2 基于权重排序的MIMLBOOST改进算法 | 第42-44页 |
| 4.2.1 MIMLBOOST算法 | 第42-43页 |
| 4.2.2 基于权重排序的MIMLBOOST改进算法 | 第43-44页 |
| 4.3 实验与分析 | 第44-48页 |
| 4.3.1 实验设计 | 第45页 |
| 4.3.2 实验结果分析 | 第45-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第五章 网页分类系统设计与实现 | 第50-59页 |
| 5.1 实验环境设定 | 第50页 |
| 5.2 实验设计 | 第50-54页 |
| 5.2.1 页面爬取 | 第51页 |
| 5.2.2 网页预处理 | 第51-53页 |
| 5.2.3 训练模块 | 第53-54页 |
| 5.2.4 测试模块 | 第54页 |
| 5.3 运行结果与分析 | 第54-58页 |
| 5.3.1 系统运行 | 第54-57页 |
| 5.3.2 结果分析 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 主要工作 | 第59页 |
| 主要创新点 | 第59-60页 |
| 存在的问题及未来的方向 | 第60-61页 |
| 参考文献 | 第61-65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 |