支持向量機(jī)在自動(dòng)文本分類中的應(yīng)用

第1章 緒論
1.1 課題研究背景和意義
1.2 支持向量機(jī)概述
1.3 各種變形的支持向量機(jī)算法研究
1.4 支持向量機(jī)在文本分類中的應(yīng)用研究現(xiàn)狀
第2章 -種基于遺傳算法自動(dòng)選擇參數(shù)的加權(quán)支持向量機(jī)算法
2.1 C-SVM算法分析
2.2 加權(quán)支持向量機(jī)算法
2.3 基于遺傳算法選擇懲罰參數(shù)和RBF核函數(shù)寬度
2.4 實(shí)驗(yàn)結(jié)果
2.5 小結(jié)
第3章 自動(dòng)文本分類
3.1 自動(dòng)文本分類技術(shù)的發(fā)展與現(xiàn)狀
3.2 文本特征表示與選擇
3.3 分類器的選擇——機(jī)器學(xué)習(xí)方法
3.4 分類性能評(píng)價(jià)-
3.5 基準(zhǔn)數(shù)據(jù)集
3.6 各種特征選擇方法實(shí)驗(yàn)比較
3.7 各種分類器分類性能實(shí)驗(yàn)比較
3.8 小結(jié)
第4章 基于SVM和文檔統(tǒng)計(jì)矩陣的自動(dòng)文本分類模型
4.1 引言
4.2 文本分類的統(tǒng)計(jì)特性
4.3 參數(shù)化特征統(tǒng)計(jì)矩陣
4.4 理論分析
4.5 實(shí)驗(yàn)評(píng)估
4.6 小結(jié)
第5章 加權(quán)直推支持向量機(jī)進(jìn)行超文本文檔分類
5.1 對(duì)超文本分類的分析
5.2 相似性度量
5.3 直推支持向量機(jī)
5.4 加權(quán)直推支持向量機(jī)
5.5 實(shí)驗(yàn)與分析
5.6 小結(jié)
第6章 總結(jié)與展望
6.1 全書總結(jié)
6.2 進(jìn)一步工作展望
參考文獻(xiàn)