文本聚类中特征选择方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引言 | 第8-12页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国内研究现状 | 第9-10页 |
| 1.2.2 国外研究现状 | 第10-11页 |
| 1.3 本文研究内容和组织结构 | 第11-12页 |
| 1.3.1 本文研究内容 | 第11页 |
| 1.3.2 本文组织结构 | 第11-12页 |
| 第2章 文本聚类概述 | 第12-18页 |
| 2.1 文本聚类定义 | 第12页 |
| 2.2 文本聚类流程 | 第12-13页 |
| 2.3 文本预处理 | 第13页 |
| 2.4 文本表示 | 第13-15页 |
| 2.5 特征降维 | 第15页 |
| 2.6 特征权重计算 | 第15-16页 |
| 2.7 文本相似度计算 | 第16-17页 |
| 2.8 本章小结 | 第17-18页 |
| 第3章 特征选择方法 | 第18-24页 |
| 3.1 无监督特征选择方法 | 第18-20页 |
| 3.1.1 文档频数 | 第18-19页 |
| 3.1.2 单词权 | 第19页 |
| 3.1.3 单词熵 | 第19-20页 |
| 3.1.4 单词贡献度 | 第20页 |
| 3.2 基于DF和TC的联合特征选择方法 | 第20-23页 |
| 3.2.1 DF和TC算法分析 | 第20-21页 |
| 3.2.2 改进的DF算法 | 第21-23页 |
| 3.2.3 联合特征选择方法 | 第23页 |
| 3.3 本章小结 | 第23-24页 |
| 第4章 文本聚类算法 | 第24-31页 |
| 4.1 常用的文本聚类算法 | 第24-26页 |
| 4.1.1 划分聚类法 | 第24页 |
| 4.1.2 层次聚类法 | 第24-25页 |
| 4.1.3 基于密度的聚类方法 | 第25-26页 |
| 4.1.4 基于网格的聚类方法 | 第26页 |
| 4.2 K-MEANS算法分析 | 第26-28页 |
| 4.2.1 K-means算法描述 | 第26-27页 |
| 4.2.2 K-means算法的优缺点 | 第27-28页 |
| 4.3 改进的K-MEANS算法 | 第28-30页 |
| 4.3.1 目前已有的初始聚类中心选择方法 | 第28页 |
| 4.3.2 优化初始聚类中心选择方法 | 第28-30页 |
| 4.3.3 改进的K-means算法 | 第30页 |
| 4.4 本章小结 | 第30-31页 |
| 第5章 实验方法与实验结果分析 | 第31-42页 |
| 5.1 实验方法 | 第31-36页 |
| 5.1.1 中文文本聚类系统实验流程 | 第31-33页 |
| 5.1.2 系统基本功能实现 | 第33-35页 |
| 5.1.3 实验数据集 | 第35页 |
| 5.1.4 实验采用的评价指标 | 第35-36页 |
| 5.2 实验结果分析 | 第36-40页 |
| 5.2.1 特征选择方法的对比实验及结果分析 | 第36-39页 |
| 5.2.2 聚类算法的对比实验及结果分析 | 第39-40页 |
| 5.3 本章小结 | 第40-42页 |
| 第6章 总结与展望 | 第42-43页 |
| 6.1 总结 | 第42页 |
| 6.2 展望 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 致谢 | 第46页 |
