基于SVM的中文文本分类相关算法研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题的研究背景及意义 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·文本分类现状 | 第8-9页 |
| ·中文文本分类现状 | 第9页 |
| ·支持向量机现状 | 第9-10页 |
| ·本论文所做的主要工作 | 第10页 |
| ·本论文的组织结构 | 第10-12页 |
| 第二章 中文文本分类的相关技术 | 第12-18页 |
| ·文本分类的过程 | 第12-13页 |
| ·文本预处理 | 第13页 |
| ·文本表示模型 | 第13-14页 |
| ·特征处理 | 第14-15页 |
| ·分类器性能评估 | 第15页 |
| ·几种常用的文本分类方法 | 第15-17页 |
| ·朴素贝叶斯方法 | 第15-16页 |
| ·最近邻法KNN | 第16-17页 |
| ·支持向量机方法SVM | 第17页 |
| ·本章小结 | 第17-18页 |
| 第三章 特征处理方法比较研究及改进 | 第18-28页 |
| ·常用的特征选择方法 | 第18-20页 |
| ·文档频数 | 第18页 |
| ·互信息 | 第18页 |
| ·信息增益 | 第18-19页 |
| ·χ~2统计 | 第19-20页 |
| ·特征加权 | 第20页 |
| ·布尔权重 | 第20页 |
| ·词频权重 | 第20页 |
| ·TFIDF权重 | 第20页 |
| ·TFIDF公式改进 | 第20-27页 |
| ·TFIDF公式的构成原理 | 第20-21页 |
| ·TFIDF公式的缺陷分析 | 第21-24页 |
| ·对TFIDF公式的改进 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 SVM理论基础及算法改进 | 第28-44页 |
| ·统计学理论 | 第28-30页 |
| ·函数VC维 | 第28页 |
| ·泛化误差的边界 | 第28-29页 |
| ·结构风险最小化原理 | 第29-30页 |
| ·支持向量机 | 第30-34页 |
| ·线性可分支持向量机 | 第30-32页 |
| ·线性不可分支持向量机 | 第32-33页 |
| ·非线性支持向量机 | 第33-34页 |
| ·解决多类分类问题 | 第34页 |
| ·算法实现 | 第34-36页 |
| ·选块算法 | 第34-35页 |
| ·分解算法 | 第35页 |
| ·序贯最小优化算法(SMO) | 第35-36页 |
| ·实验结果与分析 | 第36-38页 |
| ·一种改进的基于密度支持向量机多类分类方法 | 第38-42页 |
| ·OPTICS密度聚类算法介绍 | 第39页 |
| ·密度聚类算法与支持向量机方法的融合 | 第39-40页 |
| ·基于OPTICS聚类的SVM算法 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第五章 算法的实现与分析 | 第44-60页 |
| ·系统模型设计 | 第44-48页 |
| ·系统功能 | 第48-54页 |
| ·实验结果与分析 | 第54-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·全文总结 | 第60页 |
| ·展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 附录A (攻读硕士期间发表的论文) | 第68-70页 |
| 附录B 程序主要代码 | 第70-74页 |
