| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第14-20页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 本文的研究内容 | 第17-18页 |
| 1.4 论文的章节安排 | 第18-20页 |
| 2 相关概念和理论 | 第20-31页 |
| 2.1 聚类分析方法介绍 | 第20-22页 |
| 2.2 K-means算法介绍及分析 | 第22-24页 |
| 2.3 数据类型及相异度度量 | 第24-26页 |
| 2.4 文本聚类介绍 | 第26-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 基于密度峰值的DPC-K-means算法 | 第31-44页 |
| 3.1 相关算法和方法 | 第31-34页 |
| 3.2 一种新的基于密度峰值的K-means算法 | 第34-38页 |
| 3.3 实验结果及分析 | 第38-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 基于候选中心点的CC-K-means文本聚类算法 | 第44-58页 |
| 4.1 LSI模型介绍 | 第44-45页 |
| 4.2 一种新的基于候选中心点的K-means文本聚类算法 | 第45-50页 |
| 4.3 实验及结果分析 | 第50-57页 |
| 4.4 本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间取得的学术成果和获奖情况 | 第66页 |