| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第9-12页 |
| ·研究背景和意义 | 第9页 |
| ·国内外研究的历史与现状 | 第9-11页 |
| ·论文结构 | 第11-12页 |
| 第二章 中文文本分类的关键技术 | 第12-20页 |
| ·文本预处理 | 第12-14页 |
| ·中文分词 | 第12-13页 |
| ·停用词处理 | 第13-14页 |
| ·文本表示 | 第14-15页 |
| ·向量空间模型 | 第14-15页 |
| ·文本相似度计算 | 第15页 |
| ·常用的特征选择算法 | 第15-18页 |
| ·特征选择算法的比较 | 第18页 |
| ·潜在语义索引 | 第18-20页 |
| 第三章 基于离散粒子群优化算法和决策树的SVM 多类分类方法 | 第20-33页 |
| ·常用的分类算法 | 第20-22页 |
| ·支持向量机 | 第22-26页 |
| ·线性可分 | 第22-24页 |
| ·线性不可分 | 第24-25页 |
| ·实现思想 | 第25-26页 |
| ·常用的核函数 | 第26页 |
| ·支持向量机的训练方法 | 第26-27页 |
| ·支持向量机与多类分类问题 | 第27-28页 |
| ·基于离散粒子群优化算法和决策树的SVM 多类分类方法 | 第28-33页 |
| ·DAG-SVM 和DT-SVM | 第28页 |
| ·现有算法中存在的问题 | 第28-29页 |
| ·粒子群优化算法 | 第29-30页 |
| ·基于离散粒子群优化算法的SVM 决策树的生成 | 第30-33页 |
| 第四章 系统设计与实验 | 第33-37页 |
| ·文本分类流程 | 第33页 |
| ·系统总体结构 | 第33-34页 |
| ·系统实现及运行环境 | 第34页 |
| ·中文文本分类实验 | 第34-37页 |
| ·性能评价 | 第34页 |
| ·样本集 | 第34-35页 |
| ·实验结果 | 第35-37页 |
| 第五章 总结与展望 | 第37-38页 |
| 参考文献 | 第38-41页 |
| 致谢 | 第41-42页 |
| 攻读学位期间发表的学术论文 | 第42页 |