| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题的研究背景和意义 | 第9-10页 |
| ·文本分类问题的一般性描述 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·文本分类的研究重点 | 第13-14页 |
| ·本文的研究内容及组织 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第2章 数据挖掘概述 | 第16-25页 |
| ·什么是数据挖掘 | 第16-17页 |
| ·数据挖掘的技术 | 第17-21页 |
| ·数据挖掘常用方法 | 第18-20页 |
| ·数据挖掘的功能 | 第20-21页 |
| ·数据挖掘的应用 | 第21-22页 |
| ·数据挖掘所面临的挑战 | 第22-23页 |
| ·数据挖掘中的文本挖掘 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 文本分类技术 | 第25-44页 |
| ·文本分类任务的特点 | 第25-26页 |
| ·文本的表示 | 第26-27页 |
| ·文档特征选择方法 | 第27-31页 |
| ·文档频率(Document Frequency) | 第27-28页 |
| ·信息增量(Information Gain) | 第28页 |
| ·互信息(Mutual Information) | 第28-29页 |
| ·χ~2统计量(CHI) | 第29-30页 |
| ·交叉熵(Cross Entropy) | 第30页 |
| ·证据权值(Weight of Evidence) | 第30页 |
| ·Fisher判别式 | 第30-31页 |
| ·分类方法 | 第31-40页 |
| ·基于统计的方法 | 第31-36页 |
| ·基于连接的方法 | 第36-38页 |
| ·基于规则的方法 | 第38-40页 |
| ·分类性能评估 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 支持向量机 | 第44-54页 |
| ·支持向量机的发展史 | 第44-45页 |
| ·支持向量机基本理论 | 第45-49页 |
| ·线性可分 | 第45-48页 |
| ·线性不可分 | 第48-49页 |
| ·支持向量机的研究 | 第49-51页 |
| ·SVM训练算法 | 第49-51页 |
| ·增量学习方法 | 第51页 |
| ·几何学习算法 | 第51页 |
| ·多类别支持向量机分类 | 第51-52页 |
| ·需要解决的问题和进一步的研究方向 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 支持向量机在文本分类中的应用 | 第54-59页 |
| ·在文本分类中引入支持向量机 | 第54-55页 |
| ·支持向量机在文本分类中的应用 | 第55-57页 |
| ·支持向量机与增量学习 | 第55页 |
| ·对偶问题的KKT条件 | 第55-56页 |
| ·文本增量分析 | 第56页 |
| ·增量学习算法 | 第56-57页 |
| ·实验及分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第66页 |