基于多类支持向量机的文本分类研究-自动化基础-论文之家

您现在的位置：硕士论文 >> 电子论文 >> 自动化 >> 自动化基础 >> 正文

基于多类支持向量机的文本分类研究

Form: 论文之家作者：杜圣东 Publish: 2007-10-25 Hits:-

【中文题名】

基于多类支持向量机的文本分类研究

【英文题名】

Study on Text Classification Based on Multi-class Support Vector Machines

【学科专业】

计算机系统结构

【论文级别】

硕士论文

【投稿时间】

2007-10-25

【中关键词】

支持向量机,特征选择,文本挖掘,二叉树多分类SVM,文本分类,

【英关键词】

Support Vector Machines,Feature Selection,Text Mining,Binary Tree Multi-class SVM,Text Classifier,

【分类导航】

工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>>

【论文摘要】

随着信息时代的高速发展,如何对已有大量自然语言文本进行挖掘,特别是对其按照设定的语义进行正确的归类,已经成为组织大量文本信息的一个关键问题,这就是文本挖掘中很重要的一类任务-文本分类。支持向量机是由Vapnik等人提出的一种学习技术,是借助于最优化方法解决机器学习问题的新工具。它集成了最大间隔超平面、Mercer核、凸二次规划、稀疏解和松弛变量等多项技术。由于其具有全局最优、结构简单、推广能力强等优点,近几年得到了广泛地研究并应用于文本分类、模式识别等领域。但支持向量机最初是针对二类分类提出的,如何将其扩展到多类并应用于文本分类是本文研究的重要内容。本文在对文本挖掘问题进行阐述的基础上,对支持向量机多类分类算法进行了深入的研究,在考察现有多分类SVM算法后,提出了一种基于二叉树基础的多类SVM改进算法,并把改进后的多类SVM用于文本挖掘中的文本分类。己经进行的主要研究工作如下: ①研究了文本挖掘的常见技术,并以文本分类为主要任务,阐述了常用的文本分类算法。接下来对支持向量机原理进行了阐述,并对其应用于分类挖掘时的问题及解决方法做了简要分析。 ②支持向量机多类分类算法的研究,...

【论文题纲】

摘要	3-4
ABSTRACT	4-9
1 绪论	9-17
1.1 引言	9-10
1.2 选题背景及课题意义	10-12
1.2.1 选题背景	10
1.2.2 课题意义	10-12
1.3 国内外研究现状	12-14
1.3.1 支持向量机研究进展	12-13
1.3.2 文本挖掘研究进展	13-14
1.4 论文研究思路及内容	14-17
2 文本挖掘技术	17-30
2.1 数据挖掘	17-19
2.1.1 数据挖掘介绍	17
2.1.2 数据挖掘任务及方法	17-19
2.2 文本挖掘概述	19-21
2.2.1 文本挖掘概念	19-20
2.2.2 文本挖掘过程	20-21
2.3 文本预处理	21-26
2.3.1 特征抽取	21-22
2.3.2 特征选择	22-24
2.3.3 文本向量表示	24-26
2.4 文本挖掘关键技术	26-27
2.4.1 文本分类	26-27
2.4.2 文本聚类	27
2.4.3 文本关联分析	27
2.5 文本分类	27-28
2.5.1 文本分类描述	27-28
2.5.2 文本分类任务	28
2.6 本章小结	28-30
3 支持向量机数据挖掘方法	30-42
3.1 分类数据挖掘	30
3.2 支持向量机	30-39
3.2.1 统计学习理论	30-32
3.2.2 支持向量机概述	32-34
3.2.3 支持向量机原理	34-38
3.2.4 模型选择	38
3.2.5 优缺点	38-39
3.3 支持向量机应用于分类挖掘	39-40
3.3.1 支持向量机用于分类挖掘	39
3.3.2 挖掘应用中的主要问题及解决方法	39-40
3.4 本章小结	40-42
4 一种改进的多分类支持向量机	42-58
4.1 现有多分类支持向量机	42-49
4.1.1 多类支持向量机组合策略	42-47
4.1.2 常用多类SVM 分析比较	47-49
4.2 本文中要解决的问题	49-51
4.2.1 基于二叉树的多类支持向量机原理及算法描述	49-50
4.2.2 存在的问题	50-51
4.3 二叉树多类支持向量机改进	51-57
4.3.1 几种改进策略	51-54
4.3.2 本文提出的基于二叉树改进原理	54-56
4.3.3 算法设计及分析	56-57
4.4 本章小结	57-58
5 多类支持向量机文本分类器设计及实现	58-76
5.1 文本分类过程及常见方法	58-62
5.1.1 KNN	59
5.1.2 NativeBayes	59-61
5.1.3 Rocchio	61
5.1.4 SVM	61-62
5.2 基于多类支持向量机的文本分类器设计	62-66
5.2.1 传统SVM 文本分类器	62
5.2.2 两类问题改进思想简要介绍	62-64
5.2.3 多分类问题改进思想	64-65
5.2.4 分类器评价	65-66
5.3 实验环境	66-70
5.3.1 技术及实验平台实现	67-68
5.3.2 系统核心libsvm 实现简介	68-70
5.4 实验及结果分析	70-73
5.4.1 多分类SVM 数值实验及结果分析	70-71
5.4.2 多类SVM 文本分类实验及结果分析	71-73
5.5 实时环境中的应用展望及问题	73-74
5.6 本章小结	74-76
6 结束语及展望	76-78
致谢	78-80
参考文献	80-84
附录	84
A. 作者在攻读硕士学位期间发表的论文目录	84
B. 作者在攻读硕士学位期间参加的科研项目	84

【DOI】

LunWen.ID:2.2008.389089



付费论文：有参考文献 300元

1、注册会员 2、购买本文 3、下载文章
注:此文为收费论文，需付费购买。每页大约1000字。

代写论文流程

载入中…

Web lunwenjia


热门搜索：支持向量机论文特征选择文本挖掘二叉树多分类SVM 文本分类

自动化基础最新论文

自动化基础热门论文