| 中文摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-37页 |
| ·选题的研究背景和意义 | 第11-13页 |
| ·模糊逻辑理论概述 | 第13-17页 |
| ·隶属度函数 | 第13-15页 |
| ·模糊集的表示 | 第15页 |
| ·模糊蕴含运算 | 第15-16页 |
| ·基本运算 | 第16-17页 |
| ·数据挖掘与文本挖掘概述 | 第17-25页 |
| ·数据挖掘概述 | 第17-19页 |
| ·文本挖掘概述 | 第19-25页 |
| ·基于模糊逻辑理论的数据及文本挖掘研究综述 | 第25-33页 |
| ·模糊逻辑用于聚类 | 第25-29页 |
| ·模糊逻辑用于数据挖掘中的关联规则 | 第29-32页 |
| ·模糊逻辑用于文本挖掘中的关联规则 | 第32页 |
| ·模糊逻辑用于分类 | 第32-33页 |
| ·本文的主要工作和创新点 | 第33-37页 |
| 第二章几种主要的聚类和关联规则的方法 | 第37-49页 |
| ·模糊c 均值算法(FCM) | 第37-39页 |
| ·模糊中心聚类(FCC) | 第39-40页 |
| ·竞争惩罚学习算法(RPCL) | 第40-41页 |
| ·模糊自组织聚类网络(FKCN) | 第41-42页 |
| ·Apriori 算法 | 第42-44页 |
| ·Direct Hashing and Pruning(DHP)算法 | 第44-47页 |
| ·TBAR 算法 | 第47-49页 |
| 第三章 一种挖掘模糊相似关联规则的新方法 | 第49-62页 |
| ·引言 | 第49-51页 |
| ·相似关系的概念 | 第51-52页 |
| ·相似关系 | 第51-52页 |
| ·相似关联规则的概念 | 第52页 |
| ·隶属度函数的确定 | 第52-53页 |
| ·建立模糊相似关联规则的算法 | 第53-56页 |
| ·算法的思想 | 第53-54页 |
| ·算法的流程图 | 第54-56页 |
| ·仿真实例 | 第56-60页 |
| ·实验1 | 第56-58页 |
| ·实验2 | 第58-60页 |
| ·本章小结 | 第60-62页 |
| 第四章 TGFCM：一种基于模糊聚类的中文文本挖掘的新方法 | 第62-73页 |
| ·引言 | 第62-64页 |
| ·文本聚类的预处理 | 第64-66页 |
| ·文本的特征表示 | 第64-65页 |
| ·文本的降维处理 | 第65-66页 |
| ·聚类数的确定 | 第66-68页 |
| ·动态自组织神经网络模型 | 第66页 |
| ·网络结构 | 第66页 |
| ·基本概念 | 第66页 |
| ·动态自组织神经网络(TGSOM)算法 | 第66-68页 |
| ·TGFCM 算法 | 第68-70页 |
| ·实验验证 | 第70-71页 |
| ·本章小结 | 第71-73页 |
| 第五章 DFKCN：一种动态模糊自组织神经网络及其在中文文本聚类中的应用 | 第73-82页 |
| ·引言 | 第73-74页 |
| ·隐含语义分析理论简介 | 第74-76页 |
| ·词条矩阵 | 第74-75页 |
| ·奇异值分解 | 第75页 |
| ·k 秩近似矩阵的选取 | 第75-76页 |
| ·动态模糊自组织神经网络( DFKCN)及文本聚类的实 现 | 第76-80页 |
| ·DFKCN 模型 | 第76-78页 |
| ·训练算法 | 第78-79页 |
| ·算法中参数的讨论 | 第79页 |
| ·聚类的实现 | 第79-80页 |
| ·仿真实验 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 第六章 NFCNNC：一种新的模糊竞争神经网络聚类模型及其在文本聚类模型及其在文本聚类中的应用 | 第82-92页 |
| ·引言 | 第82-84页 |
| ·NFCNNC 模型 | 第84-88页 |
| ·隶属度的确定 | 第84-86页 |
| ·NFCNNC 的建立 | 第86-87页 |
| ·算法 | 第87-88页 |
| ·用 NFCNNC 模型实现文本聚类 | 第88-89页 |
| ·文本的特征表示 | 第88页 |
| ·算法参数的讨论 | 第88页 |
| ·文本聚类的实现 | 第88-89页 |
| ·实验验证及分析 | 第89-90页 |
| ·本章小结 | 第90-92页 |
| 第七章 一种新的模糊文本关联规则算法及其应用 | 第92-101页 |
| ·引言 | 第92-94页 |
| ·文本预处理 | 第94页 |
| ·关键字的获得 | 第94页 |
| ·关键字权重的模糊化 | 第94页 |
| ·NFAR 的支持度公式 | 第94-96页 |
| ·NFAR 算法 | 第96-98页 |
| ·NFAR 算法在文本挖掘中的应用 | 第98页 |
| ·实验 | 第98-100页 |
| ·本章小结 | 第100-101页 |
| 第八章 总结和展望 | 第101-104页 |
| 参考文献 | 第104-115页 |
| 发表论文和参加科研情况说明 | 第115-116页 |
| 致谢 | 第116页 |
