降维处理，降低支持向量机在模型训练和分类测试阶段的运算量，有效提高训练和分类的时间效率。本文在分析实验数据的基础上对上述方法的应用效果做了总结。小波变换是对支持向量机用向量表示的样本进行加工处理。从应用的出发点来看，其目的是为了提高训练和分类的时间效率，小波变换使用的策略则是降低向量的维数：从应用的效果来看，小波变换的效果较好，且都在一定程度上降低了训练和分类时间，能够更好的保证分类的准确率。
课题研究起止时间和进度安排：1．起止时间：2013年1月2013年5月2进度安排：201212292013228确定论文题目，查找资料，撰写开题报告根据课题研究的内容，收集资料。2013322013320深入探讨该算法中的几个经典问题。20133212013410整理研究内容，并作进一步的修改。2013411201354归纳总结，形成一份完整的课题论文。201358交论文，答辩。
f课题研究所需主要设备、仪器及药品：
外出调研主要单位，访问学者姓名：
f指导教师审查意见：
指导教师教研室（研究室）评审意见：
（签字）2013年3月
____________教研室（研究室）主任系（部）主任审查意见：
（签字）2013年3月
____________系（部）主任
（签字）2013年3月
f学士学位论文
题学
目生
基于支持向量机的文本分类算法研究与实现李慧颖李红宇副教授2009级计算机科学与技术计算机科学与技术计算机科学与信息工程
指导教师年专系学级业别院
哈尔滨师范大学2013年5月
f摘要：随着计算机与通讯技术的飞速发展，互联网上的电子文档信息急剧增加。这就使得文本的自动分类越来越受人们的重视，而支持向量机和文本分类问题有着良好的结合点，从而使得基于支持向量机的文本分类成为这个领域的研究热点。支持向量机是一种基于结构风险最小化准则的分类学习机模型，它的应用十分广泛。虽然支持向量机算法的性能在许多实际问题的应用中得到了验证，但是还存在着一些需要改进的地方，如：训练算法速度慢、测试阶段运算量大等。关键词：支持向量机；文本分类；学习机模型
f目录第一章引言111研究背景及意义112国内外研究现状1121文本分类研究现状1122SVMr