| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究目的与意义 | 第8-9页 |
| ·国内外研究现状与评述 | 第9-12页 |
| ·文本分类理论的研究现状 | 第9-10页 |
| ·支持向量机(SVM)理论的研究现状 | 第10-12页 |
| ·文本分类存在问题 | 第12-13页 |
| ·本文工作 | 第13-15页 |
| ·本文研究内容 | 第13页 |
| ·本文组织结构 | 第13-15页 |
| 第二章 自动文本分类技术 | 第15-25页 |
| ·文本分类问题描述 | 第15页 |
| ·文本分类过程 | 第15-16页 |
| ·文本预处理 | 第16-18页 |
| ·文本表示 | 第18-19页 |
| ·文本特征选择 | 第19-21页 |
| ·文本特征加权 | 第21-22页 |
| ·常用的文本分类算法 | 第22-23页 |
| ·文本分类性能评估 | 第23-25页 |
| 第三章 基于支持向量机(SVM)文本分类相关理论研究 | 第25-49页 |
| ·支持向量机(SVM)定义 | 第25-26页 |
| ·支持向量机(SVM)的优势 | 第26-27页 |
| ·支持向量机(SVM)在文本分类应用中存在的主要问题 | 第27页 |
| ·分类问题和分类机 | 第27-28页 |
| ·分类的定义 | 第27-28页 |
| ·分类机定义 | 第28页 |
| ·支持向量机(SVM)的主要思想 | 第28页 |
| ·线性可分支持向量机分类的相关理论 | 第28-37页 |
| ·最大间隔法 | 第29-32页 |
| ·线性可分支持向量机(SVM)的理论证明 | 第32-37页 |
| ·线性不可分支持向量机分类的相关理论 | 第37-41页 |
| ·最大间隔法 | 第37-41页 |
| ·线性支持向量机与线性可分支持向量机算法比较 | 第41页 |
| ·非线性可分支持向量机分类的相关理论 | 第41-47页 |
| ·非线性分划的例子 | 第41-42页 |
| ·非线性分划的分类算法 | 第42-45页 |
| ·核函数的介绍 | 第45-47页 |
| ·常用支持向量机训练算法 | 第47-49页 |
| 第四章 SVM文本分类器系统的设计与实现 | 第49-56页 |
| ·系统的意义 | 第49页 |
| ·系统实现的功能 | 第49-50页 |
| ·系统的总体结构 | 第50-56页 |
| ·系统的结构 | 第50-51页 |
| ·系统主要算法流程图 | 第51-53页 |
| ·系统各模块函数功能分析 | 第53-56页 |
| 第五章 SVM文本分类器系统的实验分析 | 第56-66页 |
| ·系统运行环境 | 第56页 |
| ·系统运行过程 | 第56-62页 |
| ·系统运行结果及分析 | 第62-66页 |
| ·训练文本的运行结果及分析 | 第62-64页 |
| ·测试文本的运行结果及分析 | 第64-66页 |
| 结论 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |