支持向量机及用于文本分类的研究
| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-12页 |
| ·问题的提出 | 第8页 |
| ·国内外研究情况 | 第8-10页 |
| ·本文研究内容 | 第10页 |
| ·本文的组织 | 第10-12页 |
| 第2章 文本分类的技术 | 第12-29页 |
| ·文本分类的定义 | 第12-15页 |
| ·两类问题 | 第13-14页 |
| ·多类问题 | 第14页 |
| ·多标记问题 | 第14-15页 |
| ·文档表示 | 第15-17页 |
| ·特征提取 | 第17-21页 |
| ·特征子集提取 | 第18-20页 |
| ·特征重构 | 第20-21页 |
| ·特征项的权重 | 第21-22页 |
| ·传统学习方法 | 第22-24页 |
| ·文档分类的评估指标 | 第24-26页 |
| ·试验步骤 | 第26-29页 |
| ·文档集 | 第26-28页 |
| ·试验方案 | 第28-29页 |
| 第3章 SVM理论 | 第29-37页 |
| ·机器学习 | 第29-30页 |
| ·支持向量机概述 | 第30-33页 |
| ·支持向量机数学描述 | 第33-37页 |
| 第4章 基于减法聚类的支持向量机 | 第37-46页 |
| ·减法聚类算法 | 第37-39页 |
| ·基于减法聚类的 SVM | 第39页 |
| ·讨论参数值r_a的影响 | 第39-41页 |
| ·数值实验 | 第41-45页 |
| ·两类问题试验 | 第42-44页 |
| ·多类问题实验 | 第44-45页 |
| ·小结 | 第45-46页 |
| 第五章 基于 SVM的文本分类 | 第46-53页 |
| ·数据字典的产生 | 第46-50页 |
| ·训练分类器 | 第50-51页 |
| ·分类器的预测 | 第51页 |
| ·小结 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 硕士在学期间发表的论文及专业书籍 | 第57-58页 |
| 致谢 | 第58页 |
