基于支持向量机的文本分类方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 1 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·文本分类研究现状 | 第11-12页 |
| ·SVM 研究现状 | 第12-13页 |
| ·本文研究内容 | 第13-15页 |
| 2 文本分类 | 第15-26页 |
| ·文本自动分类概述 | 第15页 |
| ·文本分类所涉及的技术领域 | 第15-17页 |
| ·文本分类与自然语言处理 | 第15-16页 |
| ·文本分类与文本挖掘 | 第16页 |
| ·文本分类与机器学习 | 第16-17页 |
| ·文本分类与模式识别 | 第17页 |
| ·文本分类的关键技术 | 第17-25页 |
| ·文本表示 | 第17-19页 |
| ·特征选择 | 第19-21页 |
| ·权重计算 | 第21页 |
| ·常用的文本分类算法 | 第21-25页 |
| ·文本分类的应用 | 第25-26页 |
| 3 支持向量机 | 第26-33页 |
| ·支持向量机简介 | 第26-27页 |
| ·支持向量分类机 | 第27-30页 |
| ·线性可分问题 | 第27-28页 |
| ·近似线性可分问题 | 第28-29页 |
| ·线性不可分问题 | 第29-30页 |
| ·支持向量机中的核函数 | 第30页 |
| ·支持向量机的应用步骤 | 第30-31页 |
| ·基于支持向量机文本分类方法的优势 | 第31-32页 |
| ·基于支持向量机文本分类方法中存在的问题 | 第32-33页 |
| 4 聚类方法在支持向量机分类中的应用 | 第33-45页 |
| ·问题的提出 | 第33页 |
| ·聚类分析 | 第33-39页 |
| ·距离和相似系数 | 第33-38页 |
| ·常用的聚类分析方法 | 第38-39页 |
| ·K-平均算法 | 第39-40页 |
| ·聚类分析在分类中的应用 | 第40-41页 |
| ·实验及结果分析 | 第41-45页 |
| ·实验平台及环境 | 第41-42页 |
| ·实验步骤 | 第42页 |
| ·结果分析 | 第42-45页 |
| 5 小波变换在支持向量机分类中的应用 | 第45-61页 |
| ·问题的提出 | 第45-46页 |
| ·降维相关的研究工作 | 第46页 |
| ·小波分析 | 第46-48页 |
| ·离散小波变换 | 第46-48页 |
| ·小波的定义 | 第48页 |
| ·一维哈尔小波变换 | 第48-51页 |
| ·哈尔基函数 | 第48-49页 |
| ·哈尔小波函数 | 第49-50页 |
| ·函数的规范化 | 第50页 |
| ·哈尔基的结构 | 第50-51页 |
| ·哈尔小波变换的应用 | 第51-53页 |
| ·哈尔小波变换的过程 | 第51页 |
| ·哈尔小波变换的应用 | 第51-53页 |
| ·哈尔小波变换在本文中的应用 | 第53-55页 |
| ·小波变换的应用 | 第54-55页 |
| ·实验及结果分析 | 第55-61页 |
| ·实验平台及环境 | 第55-56页 |
| ·实验步骤 | 第56页 |
| ·实验目的 | 第56页 |
| ·结果分析 | 第56-61页 |
| 6 总结 | 第61-63页 |
| ·本文总结 | 第61页 |
| ·工作展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68页 |
