基于多类软间隔支持向量机的文本分类问题研究

文摘

英文文摘

声明

第1章绪论

1.1论文研究的背景及意义

1.2国内外研究现状

1.2.1文本分类的研究现状

1.2.2支持向量机的研究现状

1.3本文研究内容及论文组织结构

第2章文本分类技术

2.1文本分类的基本概念

2.2文本的预处理

2.3向量空间模型

2.4特征选取

2.5主要的分类算法

2.6分类器的性能评估

2.7本章小结

第3章统计学习理论和支持向量机

3.1统计学习理论

3.1.1学习过程的一致性

3.1.2 VC维

3.1.3推广性的界

3.1.4结构风险最小化

3.2支持向量机

3.2.1广义最优分类面

3.2.2支持向量机模型结构

3.2.3核函数

3.3本章小结

第4章一种新的软间隔支持向量机模型s-SVM

4.1软间隔支持向量机C-SVC

4.2新的软间隔支持向量机s-SVM

4.3 s-SVM的核函数和参数选择问题

4.4 s-SVM模型的多类分类算法

4.5本章小结

第5章基于s-SVM的多类分类系统的设计与实现

5.1多类分类系统设计

5.1.1语料库选择

5.1.2文本预处理

5.1.3文本向量化

5.1.4评估标准

5.1.5系统设计

5.2实验结果

5.2.1软间隔C-SVC的性能评估

5.2.2支持向量比例s-SVM的性能评估

5.3本章小节

结论

参考文献

攻读硕士学位期间发表的学术论文

致谢