文摘
英文文摘
声明
1绪论
1.1引言
1.2选题背景及课题意义
1.2.1选题背景
1.2.2课题意义
1.3国内外研究现状
1.3.1支持向量机研究进展
1.3.2文本挖掘研究进展
1.4论文研究思路及内容
2文本挖掘技术
2.1数据挖掘
2.1.1数据挖掘介绍
2.1.2数据挖掘任务及方法
2.2文本挖掘概述
2.2.1文本挖掘概念
2.2.2文本挖掘过程
2.3文本预处理
2.3.1特征抽取
2.3.2特征选择
2.3.3文本向量表示
2.4文本挖掘关键技术
2.4.1文本分类
2.4.2文本聚类
2.4.3文本关联分析
2.5文本分类
2.5.1文本分类描述
2.5.2文本分类任务
2.6本章小结
3支持向量机数据挖掘方法
3.1分类数据挖掘
3.2支持向量机
3.2.1统计学习理论
3.2.2支持向量机概述
3.2.3支持向量机原理
3.2.4模型选择
3.2.5优缺点
3.3支持向量机应用于分类挖掘
3.3.1支持向量机用于分类挖掘
3.3.2挖掘应用中的主要问题及解决方法
3.4本章小结
4一种改进的多分类支持向量机
4.1现有多分类支持向量机
4.1.1多类支持向量机组合策略
4.1.2常用多类SVM分析比较
4.2本文中要解决的问题
4.2.1基于二叉树的多类支持向量机原理及算法描述
4.2.2存在的问题
4.3二叉树多类支持向量机改进
4.3.1几种改进策略
4.3.2本文提出的基于二叉树改进原理
4.3.3算法设计及分析
4.4本章小结
5多类支持向量机文本分类器设计及实现
5.1文本分类过程及常见方法
5.1.1 KNN
5.1.2NATIVEBAYES
5.1.3 ROCCHIO
5.1.4 SVM
5.2基于多类支持向量机的文本分类器设计
5.2.1传统SVM文本分类器
5.2.2两类问题改进思想简要介绍
5.2.3多分类问题改进思想
5.2.4分类器评价
5.3实验环境
5.3.1技术及实验平台实现
5.3.2系统核心LIBSVM实现简介
5.4实验及结果分析
5.4.1多分类SVM数值实验及结果分析
5.4.2多类SVM文本分类实验及结果分析
5.5实时环境中的应用展望及问题
5.6本章小结
6结束语及展望
致 谢
参考文献
附 录
重庆大学;