学位论文 > 优秀研究生学位论文题录展示

基于半监督的支持向量机网页分类方法

作　者: 吴成刚
导　师: 李村合
学　校: 中国石油大学
专　业: 计算机科学与技术
关键词: 支持向量机半监督式学习网页分类主动学习最佳训练样本
分类号: TP393.092
类　型: 硕士论文
年　份: 2010年
下　载: 144次
引　用: 0次
阅　读: 论文下载

内容摘要

随着网络的发展,为了能够有效地组织和分析海量的网页信息,人们希望能够对网页实现自动分类。因此,网页分类技术便成了快速且有效地组织网络上海量信息的一项重要技术。在众多的网页分类算法中,支持向量机凭借其出色的学习能力,已成为机器学习界的研究热点。而现实生活中大量数据却是无标记的,为数据作标记的工作耗时费力。这推动了机器学习的研究进入到一个新的阶段,结合有标记数据和无标记数据的半监督式学习正成为新热点。讲述了网页分类的过程,分类方法种类划分和评价标准。然后介绍了支持向量机的原理、发展和相关技术,阐述了支持向量机技术在网页分类中的重要作用。之后研究了目前支持向量机常用的训练算法和半监督支持向量机的训练算法;还研究了主动学习的样本选择策略。针对目前半监督支持向量机训练算法存在训练速度慢并且准确率不高等缺点,提出了一种基于主动学习的半监督支持向量机学习算法,它以少量的有标记数据来训练初始学习器,通过主动学习策略来选择最佳训练样本,并通过删除非支持向量来降低学习代价,获得较好的学习效果。最后,将改进的半监督支持向量机训练算法应用到网页分类系统中,并对以上的改进策略进行实验对比和性能分析。实验数据表明,本文算法具有更高的分类效率和准确率。

全文目录

摘要  4-5
Abstract  5-8
第一章前言  8-15
  1.1 课题背景与意义  8
  1.2 国内外研究现状  8-13
  1.3 论文研究内容  13
  1.4 论文组织结构  13-15
第二章网页分类技术  15-25
  2.1 网页分类预处理技术  15-18
    2.1.1 文本分类  15-16
    2.1.2 文本的表示  16-17
    2.1.3 预处理  17
    2.1.4 特征提取  17-18
  2.2 网页分类算法分类  18-20
  2.3 常用网页分类算法  20-23
    2.3.1 NB 算法  20-21
    2.3.2 KNN 算法  21-22
    2.3.3 最大熵模型分类方法  22
    2.3.4 聚类分类方法  22-23
  2.4 网页分类的评价方法  23-24
  2.5 本章小结  24-25
第三章半监督支持向量机和主动学习  25-35
  3.1 支持向量机基本原理  25-31
    3.1.1 支持向量机概述  25
    3.1.2 支持向量机的几何意义  25-26
    3.1.3 支持向量机的一般原理  26-28
    3.1.4 支持向量机的训练算法  28-31
  3.2 半监督支持向量机  31-33
    3.2.1 半监督支持向量机概述  31-32
    3.2.2 半监督支持向量机原理和训练方法  32-33
  3.3 主动学习  33-34
  3.4 本章小结  34-35
第四章基于主动学习的半监督支持向量机改进算法  35-41
  4.1 半监督支持向量机训练算法分析  35-36
  4.2 基于主动学习的半监督支持向量机训练方法  36-38
  4.3 实验与讨论  38-40
  4.4 本章小结  40-41
第五章中文网页分类实验系统设计  41-52
  5.1 实验环境设定  41
  5.2 实验系统结构设计  41-47
    5.2.1 特征提取模块  42-46
    5.2.2 训练模块  46
    5.2.3 分类模块  46-47
  5.3 运行结果及分析  47-51
    5.3.1 系统运行  47-50
    5.3.2 运行结果分析  50-51
  5.4 本章小结  51-52
总结  52-54
  主要工作  52
  主要创新点  52-53
  存在的问题及未来的方向  53-54
参考文献  54-58
在学期间的研究成果  58-59
致谢  59

基于半监督的支持向量机网页分类方法

内容摘要

全文目录

相似论文