支持向量机在Web文本分类中的分析与应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 引言 | 第8-11页 |
| ·背景 | 第8页 |
| ·Web文本分类的国内外研究现状 | 第8-9页 |
| ·本文的内容安排 | 第9-11页 |
| 第二章 Web文本分类技术 | 第11-20页 |
| ·Web文本分类 | 第11-12页 |
| ·文本分类任务 | 第11页 |
| ·文本分类描述 | 第11-12页 |
| ·Web文本预处理 | 第12-13页 |
| ·文本分类模型 | 第13-14页 |
| ·文本分词 | 第14-16页 |
| ·文本特征选择 | 第16-19页 |
| ·特征提取的定义 | 第16页 |
| ·文本特征选择的方法 | 第16-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 支持向量机理论 | 第20-28页 |
| ·分类挖掘概述 | 第20页 |
| ·支持向量机 | 第20-25页 |
| ·线性SVM | 第21-23页 |
| ·非线性SVM | 第23-25页 |
| ·训练算法 | 第25-26页 |
| ·SVM优缺点 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 SVM分类器的扩展 | 第28-39页 |
| ·单分类器融合成多分类器 | 第28-33页 |
| ·各种融合方法介绍 | 第28-29页 |
| ·SVM分类器的融合 | 第29-33页 |
| ·本文中要解决的问题 | 第33-35页 |
| ·基于二叉树的多类支持向量机原理及算法描述 | 第33-34页 |
| ·存在的问题 | 第34-35页 |
| ·二叉树多类支持向量机改进 | 第35-38页 |
| ·几种改进策略 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 系统的设计与实验分析 | 第39-50页 |
| ·Web文本分类过程及常见方法 | 第39-43页 |
| ·文本分类系统处理流程 | 第39页 |
| ·常用分类算法 | 第39-41页 |
| ·分类器评价 | 第41-43页 |
| ·多类分类问题改进思想 | 第43-46页 |
| ·预抽取训练样本 | 第43-45页 |
| ·系统设计 | 第45-46页 |
| ·分类实验与结果分析 | 第46-49页 |
| ·数据集介绍 | 第46页 |
| ·实验环境 | 第46-47页 |
| ·结果与分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 总结和展望 | 第50-52页 |
| ·总结 | 第50页 |
| ·未来展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |
