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
哈尔滨理工大学;