|
|
|
|
互联网内容监管系统关键技术的研究 |
| |
| 论文目录 |
| |
| 中文摘要 | 第1-6页 | | ABSTRACT | 第6-7页 | | 目录 | 第7-10页 | | 1 绪论 | 第10-20页 | | 1．1 研究背景 | 第10-14页 | | 1．1．1 互联网的兴起 | 第10-11页 | | 1．1．2 有害信息污染 | 第11-14页 | | 1．2 研究现状 | 第14-16页 | | 1．3 本文研究目标 | 第16-17页 | | 1．4 本文的内容组织 | 第17-20页 | | 2 互联网内容监管系统模型设计 | 第20-28页 | | 2．1 需求分析 | 第20页 | | 2．2 监管模型分析 | 第20-25页 | | 2．2．1 被动监管模型分析 | 第21-22页 | | 2．2．2 主动监管模型分析 | 第22-24页 | | 2．2．3 被动模型和主动模型的应用环境 | 第24-25页 | | 2．3 双层结构模型 | 第25-26页 | | 2．4 小结 | 第26-28页 | | 3 高效多关键字匹配算法研究 | 第28-58页 | | 3．1 概述 | 第28-31页 | | 3．2 现有多关键字匹配算法简介 | 第31-40页 | | 3．2．1 DFSA算法 | 第31-34页 | | 3．2．2 FS算法 | 第34-37页 | | 3．2．3 SunWu算法 | 第37-40页 | | 3．3 快速多关键字匹配算法：QMs | 第40-51页 | | 3．3．1 算法描述 | 第41-46页 | | 3．3．1．1 预处理过程 | 第42-43页 | | 3．3．1．2 匹配过程 | 第43-45页 | | 3．3．1．3 复杂度分析 | 第45-46页 | | 3．3．2 实验结果与分析 | 第46-51页 | | 3．3．2．1 实验准备 | 第46页 | | 3．3．2．2 实验结果 | 第46-49页 | | 3．3．2．3 结果分析 | 第49-51页 | | 3．4 关键字表达式匹配算法 | 第51-56页 | | 3．4．1 关键字表达式匹配概述 | 第51-52页 | | 3．4．2 计数算法 | 第52-54页 | | 3．4．3 基于QMS的改进关键字表达式匹配算法 | 第54-56页 | | 3．5 小结 | 第56-58页 | | 4 中文文本分类中特征选取算法研究 | 第58-74页 | | 4．1 概述 | 第58-59页 | | 4．2 特征选取算法简介 | 第59-62页 | | 4．2．1 文档频率 | 第59-60页 | | 4．2．2 信息增益 | 第60页 | | 4．2．3 CHI统计 | 第60-61页 | | 4．2．4 互信息 | 第61-62页 | | 4．3 效果测试与分析 | 第62-69页 | | 4．3．1 实验设置 | 第62-66页 | | 4．3．1．1 实验流程 | 第62-63页 | | 4．3．1．2 文档表示 | 第63页 | | 4．3．1．3 实验分类器选用 | 第63-65页 | | 4．3．1．4 数据集 | 第65页 | | 4．3．1．5 性能评价 | 第65-66页 | | 4．3．2 实验结果 | 第66-67页 | | 4．3．3 结果分析 | 第67-69页 | | 4．4 组合特征选取算法 | 第69-72页 | | 4．4．1 基本思想 | 第69页 | | 4．4．2 算法描述 | 第69-70页 | | 4．4．3 实验结果与分析 | 第70-72页 | | 4．5 小结 | 第72-74页 | | 5 SVM的快速训练算法研究 | 第74-98页 | | 5．1 统计学习理论简介 | 第74-83页 | | 5．1．1 概述 | 第74-76页 | | 5．1．2 结构风险最小化归纳原理 | 第76-78页 | | 5．1．3 支持向量机 | 第78-83页 | | 5．2 现有SVM训练算法简介 | 第83-86页 | | 5．2．1 块算法 | 第84页 | | 5．2．2 工作集算法 | 第84-86页 | | 5．3 三元序贯解析优化训练算法：3SAO | 第86-94页 | | 5．3．1 优化三个拉格朗日乘子 | 第88-91页 | | 5．3．2 缓存和选择被优化乘子的机制 | 第91页 | | 5．3．3 优化后的更新 | 第91-92页 | | 5．3．4 复杂性分析 | 第92页 | | 5．3．5 算法伪代码 | 第92-94页 | | 5．4 实验结果与分析 | 第94-96页 | | 5．5 小结 | 第96-98页 | | 6 语义SVM及其在线学习算法 | 第98-110页 | | 6．1 概述 | 第98-100页 | | 6．2 语义SVM | 第100-102页 | | 6．2．1 算法描述 | 第100-101页 | | 6．2．2 语义中心集的生成 | 第101-102页 | | 6．3 语义SVM的在线学习 | 第102-106页 | | 6．3．1 算法框架 | 第103-104页 | | 6．3．2 基于3SAO的减量和增量学习 | 第104-106页 | | 6．4 实验结果与分析 | 第106-108页 | | 6．5 小结 | 第108-110页 | | 7 原型系统的设计与实现 | 第110-120页 | | 7．1 需求概述 | 第110-111页 | | 7．2 总体设计与系统架构 | 第111-113页 | | 7．3 系统集成实现 | 第113-116页 | | 7．3．1 接口分析 | 第113-114页 | | 7．3．2 系统流程 | 第114-116页 | | 7．4 原型系统测试 | 第116-118页 | | 7．5 小结 | 第118-120页 | | 8 结束语 | 第120-124页 | | 8．1 本文工作总结 | 第120-121页 | | 8．2 今后研究工作 | 第121-124页 | | 参考文献 | 第124-132页 | | 致谢 | 第132-134页 | | 附录 | 第134-135页 |
|
|
|
|
论文编号BS1073871，这篇论文共135页
会员购买按0.35元/页下载，共需支付47.25元。 直接购买按0.5元/页下载，共需要支付67.5元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务