| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 1 引言 | 第11-14页 |
| ·课题提出 | 第11页 |
| ·研究背景及现状分析 | 第11-12页 |
| ·本文所做的工作 | 第12-13页 |
| ·本文的章节安排 | 第13-14页 |
| 2 海洋文献自动分类系统的实现 | 第14-47页 |
| ·文本自动分类 | 第14-23页 |
| ·文本分类基本内容 | 第14-16页 |
| ·文本的表达 | 第16-21页 |
| ·分类器训练 | 第21页 |
| ·测试评估 | 第21-23页 |
| ·文本分类算法 | 第23-33页 |
| ·最大熵 | 第23-25页 |
| ·SVM 算法 | 第25-30页 |
| ·J48 算法 | 第30-33页 |
| ·海洋文献分类中的文本表达 | 第33-35页 |
| ·海洋文献是非分类系统的实现 | 第35-37页 |
| ·实验数据准备 | 第35页 |
| ·最大熵工具包 | 第35-37页 |
| ·海洋文献多分类系统的实现 | 第37-47页 |
| ·SVM 工具包 | 第37-39页 |
| ·Weka 工具 | 第39-42页 |
| ·海洋文本多分类结果 | 第42-47页 |
| 3 海洋文献自动分类与半监督学习的融合 | 第47-57页 |
| ·半监督学习 | 第47-49页 |
| ·半监督学习的概述 | 第47页 |
| ·Co-training 的基本设定 | 第47-49页 |
| ·极小化标注的海洋文献分类 | 第49-57页 |
| ·两个view 的划分 | 第50-51页 |
| ·基于Co-training 的海洋文本分类系统的训练模块设计 | 第51-52页 |
| ·基于Co-training 的海洋文本分类系统的评估模块设计 | 第52-53页 |
| ·极小化标注的海洋文献是非分类结果 | 第53-56页 |
| ·极小化标注的海洋文献多分类结果 | 第56-57页 |
| 4 半监督学习与主动学习的融合 | 第57-63页 |
| ·主动学习概述 | 第57-59页 |
| ·主动学习的原理 | 第57-58页 |
| ·主动学习的理论依据 | 第58-59页 |
| ·融合了主动学习与Co-training 的海洋文献分类系统 | 第59-61页 |
| ·分类结果 | 第61-63页 |
| 5 全文总结及今后的工作 | 第63-65页 |
| ·全文总结 | 第63-64页 |
| ·不足与展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 个人简历 | 第69页 |
| 学术论文 | 第69页 |
| 研究项目 | 第69页 |
