| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 插图目录 | 第13-14页 |
| 表格目录 | 第14-15页 |
| 第1章 绪论 | 第15-23页 |
| ·研究背景和选题的意义 | 第15-16页 |
| ·文本挖掘问题 | 第15-16页 |
| ·开展网络文本挖掘算法研究的意义 | 第16页 |
| ·网络文本挖掘算法研究现状与发展 | 第16-19页 |
| ·核支持向量机算法 | 第16-17页 |
| ·可视化算法 | 第17页 |
| ·文本压缩算法 | 第17-18页 |
| ·偏好排序算法 | 第18-19页 |
| ·本文的研究内容与主要研究方法 | 第19-20页 |
| ·论文的结构安排及创新工作 | 第20-23页 |
| 第2章 文本挖掘的预处理 | 第23-33页 |
| 引言 | 第23页 |
| ·基本定义 | 第23页 |
| ·特征提取 | 第23-26页 |
| ·中文分词 | 第26-27页 |
| ·从特征到计算样本间距离 | 第27-30页 |
| ·邻近度计算问题 | 第30-31页 |
| ·选取正确的邻近性度量 | 第31-33页 |
| 第3章 带连分式核的支持向量机及其在文本分类上的应用 | 第33-41页 |
| 引言 | 第33-34页 |
| ·连分式核支持向量机 | 第34-37页 |
| ·支持向量机简介 | 第34-35页 |
| ·连分式核 | 第35-36页 |
| ·支持向量机的参数调谐 | 第36-37页 |
| ·连分式核矩阵的Matlab代码 | 第37页 |
| ·实验与讨论 | 第37-39页 |
| ·基准数据集上的实验 | 第37-39页 |
| ·参数C和P的调谐 | 第39页 |
| ·文本分类实验 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于PCA扩展的判别性特征提取及其在文本压缩中的应用 | 第41-56页 |
| 引言 | 第41-43页 |
| ·判别性PCA | 第43-45页 |
| ·最大间隔准则 | 第43-44页 |
| ·判别性PCA | 第44-45页 |
| ·判别性PCA算法框架 | 第45页 |
| ·判别性KPCA | 第45-49页 |
| ·相关命题 | 第45-48页 |
| ·判别性KPCA算法提纲 | 第48页 |
| ·判别性KPCA算法的分析 | 第48-49页 |
| ·实验与讨论 | 第49-55页 |
| ·基准数据集上的分类实验 | 第49-51页 |
| ·中文文本数据集上的分类实验 | 第51-53页 |
| ·可视化TDT2 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 基于支持向量回归的偏好学习及其在文本排序中的应用 | 第56-68页 |
| 引言 | 第56-57页 |
| ·基于支持向量回归的偏好学习 | 第57-61页 |
| ·支持向量回归 | 第58-59页 |
| ·基于支持向量回归的排序学习 | 第59-61页 |
| ·排序问题 | 第59-60页 |
| ·基于支持向量回归的排序算法 | 第60-61页 |
| ·WMW 统计量 | 第61页 |
| ·实验与讨论 | 第61-64页 |
| ·在人工数据集上的实验 | 第61-63页 |
| ·在基准数据集上的实验 | 第63-64页 |
| ·在搜索引擎中的应用 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 基于SNN相似度的光滑拼接聚类算法及其在文本聚类中的应用 | 第68-82页 |
| 引言 | 第68-71页 |
| ·SNN相似度 | 第71-72页 |
| ·基于SNN相似度的聚类 | 第72-73页 |
| ·JP聚类 | 第72页 |
| ·基于SNN密度的聚类 | 第72-73页 |
| ·基于SNN相似度的光滑拼接聚类 | 第73-77页 |
| ·定义与性质 | 第74-75页 |
| ·算法设计 | 第75-76页 |
| ·算法复杂度 | 第76-77页 |
| ·算法框架 | 第77页 |
| ·实验与分析 | 第77-81页 |
| ·TDT2 数据集 | 第78页 |
| ·评价指标 | 第78页 |
| ·参数设置 | 第78页 |
| ·实验结果 | 第78-81页 |
| ·本章小结 | 第81-82页 |
| 第7章 文本挖掘的新工具-复杂自适应搜索引擎 | 第82-91页 |
| 引言 | 第82-83页 |
| ·复杂自适应搜索模型 | 第83-85页 |
| ·网络搜索的复杂自适应性 | 第84页 |
| ·复杂自适应搜索模型的建立 | 第84-85页 |
| ·复杂自适应搜索模型的定性评价方法 | 第85页 |
| ·复杂自适应搜索算法 | 第85-88页 |
| ·智能体的程序设计 | 第86-87页 |
| ·复杂自适应搜索算法 | 第87-88页 |
| ·实验结果与分析 | 第88-90页 |
| ·本章小结 | 第90-91页 |
| 第8章 结束语 | 第91-94页 |
| 一. 新的连分式核函数的提出 | 第91页 |
| 二. 判别性 PCA 和判别性 KPCA 算法的提出 | 第91页 |
| 三. 基于支持向量回归的偏好学习算法研究 | 第91-92页 |
| 四. 基于 SNN 相似度的光滑拼接聚类算法研究 | 第92页 |
| 五. 新的复杂自适应搜索模型研究 | 第92-94页 |
| 参考文献 | 第94-106页 |
| 攻读博士期间发表的论文 | 第106-107页 |
| 致谢 | 第107-108页 |
