基于SVM的文本分类算法研究
| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-10页 |
| ·选题背景和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文主要工作 | 第9-10页 |
| 第二章 基于支持向量机的文本分类 | 第10-26页 |
| ·文本分类概述 | 第10-15页 |
| ·文本分类的概念 | 第10-11页 |
| ·文本分类的一般过程 | 第11-13页 |
| ·文本分类的评价标准 | 第13-15页 |
| ·支持向量机 | 第15-20页 |
| ·统计学习理论 | 第15-16页 |
| ·最优分类面和广义最优分类面 | 第16-18页 |
| ·支持向量机 | 第18-20页 |
| ·基于支持向量机的多类文本分类 | 第20-25页 |
| ·-a-r方法 | 第21-22页 |
| ·-a-1方法 | 第22-23页 |
| ·DAG方法 | 第23-24页 |
| ·树型支持向量机多类分类方法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于概念向量的树型支持向量机多类文本分类 | 第26-34页 |
| ·多类文本分类的主要问题 | 第26-27页 |
| ·CVSM-SVMs的主要思想 | 第27-28页 |
| ·CVSM-SVMs的流程 | 第28-30页 |
| ·训练过程 | 第28-29页 |
| ·分类过程 | 第29-30页 |
| ·概念的向量空间模型 | 第30-33页 |
| ·概念特征的获取 | 第30-31页 |
| ·概念向量 | 第31-32页 |
| ·概念权值的计算 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 实验与结果分析 | 第34-45页 |
| ·实验环境与实验数据 | 第34-39页 |
| ·实验环境 | 第34页 |
| ·实验语料 | 第34-36页 |
| ·领域本体 | 第36-39页 |
| ·结果分析 | 第39-44页 |
| ·算法精度的比较 | 第39-42页 |
| ·算法效率的比较 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 摘要 | 第49-52页 |
| Abstract | 第52-55页 |
| 致谢 | 第55-56页 |
| 导师及作者简介 | 第56页 |
