样本空间分析与分类器性能研究

摘要	第1-7页
ABSTRACT(英文摘要)	第7-11页
主要符号对照表	第11-12页
第一章 引言	第12-15页
·支持向量机	第12-13页
·最小最大模块化框架与样本空间分析	第13页
·文本分类	第13页
·本论文主要工作及内容安排	第13-15页
第二章 支持向量机	第15-21页
·最优超平面	第15页
·线性支持向量机	第15-17页
·核函数与非线性支持向量机	第17-19页
·非线性支持向量机	第17-19页
·核函数	第19页
·改进方向	第19-21页
第三章 最小最大模块化框架	第21-25页
·最小最大模块化方法的基本原理	第21页
·划分规则	第21-23页
·无规则划分	第22页
·超平面划分	第22-23页
·集成规则	第23-25页
·两种集成单元	第24页
·两条集成规则	第24-25页
第四章 样本空间分析	第25-35页
·分析样本空间的目的	第25-29页
·已有方法的特点与局限性	第25-27页
·支持向量机	第25-26页
·最小最大模块化框架	第26-27页
·对新方法的设想	第27-29页
·算法实现及其分析	第29-31页
·局部感知器设计	第29页
·递归终止条件	第29-30页
·算法描述	第30页
·算法复杂度分析	第30-31页
·仿真实验	第31-35页
·实验设置	第31页
·实验结果与讨论	第31-35页
第五章 文本分类	第35-40页
·数据与实验说明	第35页
·实验结果	第35-40页
第六章 总结与展望	第40-41页
参考文献	第41-43页
致谢	第43-44页
个人简历、在学期间的研究成果及发表的论文	第44页