| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 引言 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文工作与组织结构 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 第2章 文本聚类技术 | 第13-20页 |
| 2.1 中文文本分词 | 第13-14页 |
| 2.1.1 基于统计的分词方法 | 第14页 |
| 2.1.2 基于字符串匹配的分词方法 | 第14页 |
| 2.1.3 基于语义的分词方法 | 第14页 |
| 2.2 文本表示模型 | 第14-15页 |
| 2.2.1 布尔模型 | 第15页 |
| 2.2.2 概率检索模型 | 第15页 |
| 2.2.3 向量空间模型 | 第15页 |
| 2.3 特征选择 | 第15-16页 |
| 2.3.1 基于统计函数的特征选择 | 第15-16页 |
| 2.3.2 基于特征抽取的方法 | 第16页 |
| 2.3.3 基于语义本体的特征选择 | 第16页 |
| 2.3.4 基于文档频的方法 | 第16页 |
| 2.4 聚类算法 | 第16-19页 |
| 2.4.1 基于划分的方法 | 第16-17页 |
| 2.4.2 基于密度的方法 | 第17页 |
| 2.4.3 基于层次的方法 | 第17-18页 |
| 2.4.4 基于网格的方法 | 第18页 |
| 2.4.5 基于模型的方法 | 第18-19页 |
| 2.5 聚类算法的要求 | 第19页 |
| 2.6 本章小结 | 第19-20页 |
| 第3章 基于细菌觅食的改进k-medoids 聚类 | 第20-29页 |
| 3.1 k-medoids 算法简介 | 第20-22页 |
| 3.1.1 k-medoids 算法的主要特点 | 第20-21页 |
| 3.1.2 算法策略 | 第21-22页 |
| 3.1.3 算法分析 | 第22页 |
| 3.2 细菌觅食优化 | 第22-25页 |
| 3.3 基于细菌觅食优化的改进k-medoids | 第25-28页 |
| 3.3.1 编码 | 第25页 |
| 3.3.2 适应度函数 | 第25-26页 |
| 3.3.3 操作步骤方法 | 第26页 |
| 3.3.4 流程图 | 第26-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 实验过程及结果分析 | 第29-37页 |
| 4.1 开发平台 | 第29页 |
| 4.2 系统结构 | 第29-34页 |
| 4.2.1 文本预处理模块 | 第29-31页 |
| 4.2.2 文本相似性计算 | 第31页 |
| 4.2.3 聚类模块 | 第31-34页 |
| 4.3 结果分析 | 第34-36页 |
| 4.4 结束语 | 第36-37页 |
| 第5章 结论与展望 | 第37-38页 |
| 参考文献 | 第38-42页 |
| 致谢 | 第42-43页 |
| 攻读学位期间取得的科研成果 | 第43页 |