| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-14页 |
| ·课题背景及意义 | 第11页 |
| ·文本分类国内外研究现状 | 第11-12页 |
| ·模糊支持向量机国内外研究现状 | 第12-13页 |
| ·论文主要研究内容及组织结构安排 | 第13-14页 |
| 第2章 文本分类概述 | 第14-29页 |
| ·文本分类过程 | 第14-15页 |
| ·文本预处理 | 第15页 |
| ·文本表示 | 第15-17页 |
| ·特征选择 | 第17-19页 |
| ·基于文档频率的特征选择DF | 第18页 |
| ·基于信息增益的特征选择IG | 第18页 |
| ·基于互信息的特征选择MI | 第18页 |
| ·基于x~2统计量的特征选择CHI | 第18-19页 |
| ·常用的文本分类算法 | 第19-25页 |
| ·朴素贝叶斯 | 第19-21页 |
| ·Rocchio算法 | 第21页 |
| ·k近邻 | 第21-22页 |
| ·最大熵模型 | 第22页 |
| ·支持向量机 | 第22-25页 |
| ·实验评测数据集 | 第25-26页 |
| ·评测指标 | 第26-28页 |
| ·单类赋值 | 第27-28页 |
| ·多类排序 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第3章 模糊支持向量机 | 第29-34页 |
| ·模糊集的基本概念 | 第29页 |
| ·模糊支持向量机 | 第29-33页 |
| ·第一种模糊支持向量方法 | 第30-31页 |
| ·第二种模糊支持向量方法 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于模糊支持向量机与决策树的文本分类方法 | 第34-41页 |
| ·常见的多类分类方法 | 第34-36页 |
| ·一对多方法 | 第34-35页 |
| ·一对一方法 | 第35页 |
| ·决策树方法 | 第35-36页 |
| ·基于模糊支持向量机与决策树的方法 | 第36-38页 |
| ·模糊隶属度函数的确定 | 第36-37页 |
| ·FSVM决策树文本分类器实现多类分类基本思想 | 第37-38页 |
| ·算法的具体步骤 | 第38页 |
| ·实验结果及分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 基于双超球的隶属度函数模糊支持向量机在文本分类中的应用 | 第41-46页 |
| ·常见的隶属度函数的确定方法 | 第41-42页 |
| ·基于与类中心点的线性距离的隶属度函数 | 第41页 |
| ·基于S型函数的隶属度函数 | 第41-42页 |
| ·基于π型函数的隶属度函数 | 第42页 |
| ·基于双超球的隶属度函数确定方法 | 第42-44页 |
| ·实验结果及分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 总结与展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 附录A 攻读硕士学位期间所发表的学术论文 | 第52页 |