第1章 绪论 1
1.1 课题研究背景和意义 1
1.2 支持向量机概述 3
1.3 各种变形的支持向量机算法研究 16
1.4 支持向量机在文本分类中的应用研究现状 23
第2章 一种基于遗传算法自动选择参数的加权支持向量机算法 27
2.1 C-SVM算法分析 27
2.2 加权支持向量机算法 30
2.3 基于遗传算法选择惩罚参数和RBF核函数宽度 31
2.4 实验结果 35
2.5 小结 37
第3章 自动文本分类 38
3.1 自动文本分类技术的发展与现状 38
3.2 文本特征表示与选择 39
3.3 分类器的选择——机器学习方法 44
3.4 分类性能评价 47
3.5 基准数据集 50
3.6 各种特征选择方法实验比较 51
3.7 各种分类器分类性能实验比较 53
3.8 小结 55
第4章 基于SVM和文档统计矩阵的自动文本分类模型 56
4.1 引言 56
4.2 文本分类的统计特性 57
4.3 参数化特征统计矩阵 59
4.4 理论分析 62
4.5 实验评估 73
4.6 小结 75
第5章 加权直推支持向量机进行超文本文档分类 76
5.1 对超文本分类的分析 77
5.2 相似性度量 78
5.3 直推支持向量机 81
5.4 加权直推支持向量机 89
5.5 实验与分析 93
5.6 小结 97
第6章 总结与展望 99
6.1 全书总结 99
6.2 进一步工作展望 100
参考文献 101