| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 前言 | 第10-16页 |
| 1.1 课题背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 SVM及半监督SVM研究现状 | 第11-12页 |
| 1.2.2 多示例多标签框架研究现状 | 第12-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 网页分类简介 | 第16-30页 |
| 2.1 网页分类相关技术 | 第16-21页 |
| 2.1.1 网页预处理 | 第16-18页 |
| 2.1.2 特征选择与提取 | 第18-19页 |
| 2.1.3 网页信息表示 | 第19页 |
| 2.1.4 网页分类算法 | 第19-21页 |
| 2.1.5 网页分类评价标准 | 第21页 |
| 2.2 支持向量机 | 第21-27页 |
| 2.2.1 SVM基本原理 | 第22-24页 |
| 2.2.2 SVM核函数 | 第24-25页 |
| 2.2.3 软间隔SVM | 第25-27页 |
| 2.3 多示例多标签框架 | 第27-29页 |
| 2.3.1 多示例学习 | 第27页 |
| 2.3.2 多标签学习 | 第27-28页 |
| 2.3.3 多示例多标签学习 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于半监督学习的E-MIMLSVM+算法 | 第30-41页 |
| 3.1 E-MIMLSVM+算法 | 第30-31页 |
| 3.2 基于半监督学习的E-MIMLSVM+算法 | 第31-36页 |
| 3.2.1 E-MIMLSVM+中引入半监督 | 第31-34页 |
| 3.2.2 基于半监督学习的E-MIMLSVM+算法 | 第34-35页 |
| 3.2.3 改进算法流程 | 第35-36页 |
| 3.3 实验与讨论 | 第36-40页 |
| 3.3.1 实验设置 | 第36-37页 |
| 3.3.2 实验评价指标 | 第37-38页 |
| 3.3.3 实验结果 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 使用局部标签相关性的MIMLSVM改进算法 | 第41-50页 |
| 4.1 MIMLSVM算法 | 第41-42页 |
| 4.2 MIMLSVM改进算法 | 第42-46页 |
| 4.2.1 考虑标签相关性 | 第42-44页 |
| 4.2.2 改进算法流程 | 第44-46页 |
| 4.3 实验与讨论 | 第46-49页 |
| 4.3.1 实验设置 | 第46页 |
| 4.3.2 实验结果 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 网页分类实验系统 | 第50-58页 |
| 5.1 实验环境设定 | 第50页 |
| 5.2 实验系统结构设计 | 第50-54页 |
| 5.2.1 网页预处理模块 | 第51-53页 |
| 5.2.2 训练模块 | 第53页 |
| 5.2.3 分类模块 | 第53-54页 |
| 5.3 行结果与分析 | 第54-57页 |
| 5.3.1 系统运行 | 第54-56页 |
| 5.3.2 运行结果分析 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 总结与展望 | 第58-61页 |
| 主要工作 | 第58-59页 |
| 主要创新点 | 第59页 |
| 存在的问题及未来的方向 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间取得的学术成果 | 第66-67页 |
| 致谢 | 第67页 |