本书由浅入深，前期在支持向量机基础上，引入模糊隶属度函数，对不同样本选取不同权重，通过样本模糊隶属度的值确定该样本隶属某一类的程度，为提高SVM抗噪能力，应用模糊支持向量机对英语语篇进行情感分类，分类效果优于支持向量机的分类。在前期研究的基础之上，分别应用SVM和FSVM进行了中文语篇的情感分类，并对分类效果进行对比。仿真实验的结果说明，针对中文本进行情感分类，模糊支持向量机分类效果优于支持向量机。为了验证最小二乘支持向量机方法的可行性和优越性，先将最小二乘支持向量机方法应用于经济领域，验证了最小二乘支持向量机方法的可行性，继而分别以“车评”和“影评”作为样本，应用最小二乘支持向量机方法进行中文语篇的情感分类。
第1章绪论
1.1研究背景
1.2主要研究内容
第2章文本的预处理
2.1语料库的选择
2.2文本分词
第3章文本特征的选择和权重计算
3.1基础知识
3.2基于改进词频的特征提取方法
3.3基于改进互信息的特征提取方法
3.4基于改进X2统计的特征提取方法
3.5基于MIDF(t)的短文本特征权重计算方法
3.6仿真实验
第4章基于SVM的分类问题
4.1支持向量机
4.2应用MATLAB的SVM仿真实验
第5章基于LS-SVM的分类问题
5.1基于LS-SVM的中文文本分类
……
宋慧玲，副教授，现工作于哈尔滨金融学院基础教研部。本科毕业于哈尔滨师范大学数学教育专业。硕士、博士均毕业于日本广岛大学工学部应用数学专业，主要的研究方向为应用数学的线性代数及统计学。在日本东京理科大学进行为期一年的博士后研究。张仲广，黑龙江省双城县，副教授，现工作于哈尔滨学院马克思主义学院。夏冰，哈尔滨人，副教授，现工作于哈尔滨金融学院基础教研部。
