基于遗传的文本软聚类研究与实现
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪论 | 第10-15页 |
| ·问题的提出及研究意义 | 第10-11页 |
| ·问题的提出 | 第10页 |
| ·研究意义 | 第10-11页 |
| ·文本软聚类研究现状 | 第11-12页 |
| ·文本聚类面临的挑战 | 第12-13页 |
| ·研究的目的和研究内容 | 第13-14页 |
| ·研究的目的 | 第13页 |
| ·研究的主要内容 | 第13-14页 |
| ·本文的内容组织 | 第14-15页 |
| 2 文本聚类概述 | 第15-21页 |
| ·文本聚类的定义 | 第15页 |
| ·文本聚类算法的分类 | 第15-16页 |
| ·中文文本聚类中的若干关键技术 | 第16-18页 |
| ·自动分词 | 第16-17页 |
| ·特征选择 | 第17页 |
| ·向量空间模型 | 第17页 |
| ·权重计算 | 第17-18页 |
| ·文本聚类的评价 | 第18-20页 |
| ·评价的难点 | 第18-19页 |
| ·常用的评价方法 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3 基于目标函数的模糊聚类方法 | 第21-30页 |
| ·模糊聚类理论发展 | 第21-22页 |
| ·模糊集定义及隶属度的说明 | 第22-23页 |
| ·模糊集定义 | 第22页 |
| ·隶属度分类 | 第22-23页 |
| ·模糊集的C 划分 | 第23-24页 |
| ·基于目标函数的模糊聚类方法简介 | 第24-25页 |
| ·目标函数参量的说明 | 第25-26页 |
| ·模糊C-均值聚类算法 | 第26-29页 |
| ·模糊C-均值算法的原理 | 第26-28页 |
| ·模糊C-均值算法的流程 | 第28-29页 |
| ·模糊C-均值算法分析 | 第29页 |
| ·本章小结 | 第29-30页 |
| 4 文本聚类的特征选择方法研究 | 第30-38页 |
| ·引言 | 第30页 |
| ·为什么要特征选择 | 第30-32页 |
| ·几种常见的文本无监督特征选择方法 | 第32-34页 |
| ·文档频数 | 第32页 |
| ·单词权 | 第32-33页 |
| ·单词熵 | 第33页 |
| ·单词贡献度 | 第33-34页 |
| ·基于文档频数和特征相似度的特征选择方法 | 第34-36页 |
| ·特征相似度的计算方法 | 第34页 |
| ·特征相似度的算法描述 | 第34-35页 |
| ·基于DF 和特征相似度的特征选择方法 | 第35-36页 |
| ·实验分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 5 基于遗传的软聚类的方法研究 | 第38-50页 |
| ·引言 | 第38页 |
| ·遗传算法 | 第38-43页 |
| ·遗传算法概述 | 第38-39页 |
| ·遗传算子 | 第39-41页 |
| ·标准遗传算法 | 第41-42页 |
| ·遗传模糊聚类算法的概况 | 第42-43页 |
| ·选择初始中心的思路 | 第43-44页 |
| ·基于遗传的软聚类 | 第44-47页 |
| ·仿真实验及结果分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 6 文本软聚类的对比实验与分析 | 第50-55页 |
| ·实验环境 | 第50页 |
| ·数据的获取及其预处理 | 第50-51页 |
| ·评价标准 | 第51页 |
| ·实验结果与分析 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 7 总结与展望 | 第55-57页 |
| ·主要结论 | 第55页 |
| ·后续工作的一些展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 作者在攻读硕士学位期间的其它工作 | 第61-62页 |
| 独创性声明 | 第62页 |
| 学位论文版权使用授权书 | 第62页 |
