| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究意义 | 第10页 |
| ·研究现状 | 第10-12页 |
| ·本文所做工作和内容组织 | 第12-14页 |
| 第2章 WEB文本分类及支持向量机 | 第14-35页 |
| ·常用WEB文本分类技术 | 第14-17页 |
| ·Web文本分类常用算法 | 第14-16页 |
| ·其它算法 | 第16-17页 |
| ·支持向量机 | 第17-28页 |
| ·统计学基础 | 第17-21页 |
| ·支持向量机理论 | 第21-28页 |
| ·支持向量机算法 | 第28-34页 |
| ·主要算法及变形 | 第28-32页 |
| ·支持向量机的多类分类算法 | 第32-34页 |
| ·小结 | 第34-35页 |
| 第3章 支持向量机在WEB文本分类上的研究 | 第35-48页 |
| ·支持向量机的增量学习算法 | 第35-38页 |
| ·算法前提 | 第35-36页 |
| ·算法思想 | 第36页 |
| ·算法流程 | 第36-38页 |
| ·改进的支持向量机增量学习算法 | 第38-42页 |
| ·传统增量支持向量机学习缺点分析 | 第38-39页 |
| ·改进的支持向量机增量学习算法思想 | 第39-40页 |
| ·改进的支持向量机增量学习算法流程 | 第40-42页 |
| ·DDAG-SVMS多分类支持向量机算法 | 第42-44页 |
| ·算法思想 | 第42页 |
| ·算法流程 | 第42-44页 |
| ·改进的DDAG-SVMS多分类支持向量机算法 | 第44-46页 |
| ·DDAG-SVMS算法不足分析 | 第44页 |
| ·改进的DDAG-SVMS算法思想 | 第44-45页 |
| ·改进的DDAG-SVMS算法步骤 | 第45-46页 |
| ·小结 | 第46-48页 |
| 第4章 WEB文本分类实验 | 第48-59页 |
| ·实验思路 | 第48-49页 |
| ·实验过程 | 第49-54页 |
| ·实验训练样本收集及前期内容信息提取工作 | 第49-52页 |
| ·文本分词 | 第52-53页 |
| ·特征降维及文本表示 | 第53-54页 |
| ·支持向量机训练 | 第54页 |
| ·实验结果分析 | 第54-59页 |
| ·标准SVM算法与增量SVM算法结果对比及分析 | 第54-55页 |
| ·增量SVM算法与改进增量SVM算法结果对比及分析 | 第55-57页 |
| ·DDAG-SVMS多分类支持向量机算法及其改进结果对比及分析 | 第57页 |
| ·实验误差总结分析 | 第57-59页 |
| 第5章 总结和展望 | 第59-60页 |
| ·总结 | 第59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 硕士期间发表的论文和参与科研项目 | 第62-63页 |
| 致谢 | 第63页 |