基于支持向量机的中文文本分类研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 文本分类概述 | 第11-12页 |
| 1.2.2 SVM概述 | 第12页 |
| 1.3 本文工作 | 第12-13页 |
| 1.4 论文的组织安排 | 第13-14页 |
| 第2章 文本分类相关理论与技术 | 第14-25页 |
| 2.1 文本分类一般过程 | 第14页 |
| 2.2 文本预处理 | 第14-16页 |
| 2.2.1 处理文本标记 | 第15页 |
| 2.2.2 中文分词 | 第15-16页 |
| 2.2.3 过滤停用词 | 第16页 |
| 2.3 文本表示 | 第16-19页 |
| 2.4 特征处理 | 第19-22页 |
| 2.4.1 特征提取 | 第19-21页 |
| 2.4.2 特征加权 | 第21-22页 |
| 2.5 分类性能评价标准 | 第22-23页 |
| 2.6 本章小结 | 第23-25页 |
| 第3章 文本分类方法对比研究 | 第25-35页 |
| 3.1 朴素贝叶斯算法 | 第25-26页 |
| 3.2 k近邻算法 | 第26-27页 |
| 3.3 支持向量机算法 | 第27-32页 |
| 3.3.1 线性可分支持向量 | 第27-29页 |
| 3.3.2 线性不可分 | 第29-30页 |
| 3.3.3 核函数 | 第30-32页 |
| 3.4 实验结果与分析 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 改进的SVM参数优化方法 | 第35-46页 |
| 4.1 SVM参数 | 第35页 |
| 4.2 SVM参数优化方法 | 第35-36页 |
| 4.2.1 交叉验证法 | 第35-36页 |
| 4.2.2 网格搜索法 | 第36页 |
| 4.3 萤火虫算法优化SVM参数 | 第36-40页 |
| 4.3.1 标准萤火虫算法 | 第36-37页 |
| 4.3.2 算法原理 | 第37-39页 |
| 4.3.3 萤火虫算法优化SVM参数 | 第39-40页 |
| 4.4 改进的萤火虫算法优化SVM参数 | 第40-44页 |
| 4.4.1 改进的萤火虫算法 | 第40-41页 |
| 4.4.2 SVM参数优化 | 第41-42页 |
| 4.4.3 实验对比与分析 | 第42-44页 |
| 4.5 本章小结 | 第44-46页 |
| 第5章 文本分类实验及结果分析 | 第46-52页 |
| 5.1 实验说明 | 第46页 |
| 5.2 文本分类测试语料 | 第46-48页 |
| 5.3 文本分类实验过程 | 第48页 |
| 5.4 实验结果与分析 | 第48-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 本文总结 | 第52页 |
| 6.2 研究展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-58页 |
| 致谢 | 第58页 |
