基于K-means算法的文本聚类的研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·论文的研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·论文的研究目的 | 第13页 |
| ·论文的内容与结构安排 | 第13-14页 |
| 第二章 文本挖掘及关键技术概述 | 第14-34页 |
| ·数据挖掘 | 第14-17页 |
| ·数据挖掘的含义 | 第14页 |
| ·数据挖掘的过程 | 第14-15页 |
| ·数据挖掘系统基本成分 | 第15-16页 |
| ·数据挖掘的相关技术 | 第16-17页 |
| ·文本挖掘 | 第17-21页 |
| ·文本挖掘的概念 | 第17-18页 |
| ·文本挖掘的内容 | 第18-19页 |
| ·文本挖掘的过程 | 第19页 |
| ·文本挖掘与自然语言处理之间的差别 | 第19-20页 |
| ·文本挖掘的应用领域 | 第20-21页 |
| ·文本聚类 | 第21-23页 |
| ·文本聚类的概念 | 第21页 |
| ·常用的文本聚类方法 | 第21-22页 |
| ·文本聚类的特点与难点 | 第22-23页 |
| ·文本聚类的关键技术 | 第23-33页 |
| ·文本表示 | 第24-25页 |
| ·文本特征项的权重计算 | 第25-26页 |
| ·文本预处理 | 第26-28页 |
| ·特征降维 | 第28-30页 |
| ·文本的相似度计算 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 文本聚类算法分析 | 第34-42页 |
| ·几种典型的文本聚类算法 | 第34-36页 |
| ·基于划分的方法 | 第34页 |
| ·基于层次的方法 | 第34-35页 |
| ·基于密度的方法 | 第35页 |
| ·基于网格的方法 | 第35页 |
| ·基于模型的方法 | 第35-36页 |
| ·聚类算法的典型要求 | 第36-37页 |
| ·传统 K-means 算法 | 第37-39页 |
| ·K-means 算法概述 | 第37-38页 |
| ·算法执行举例 | 第38-39页 |
| ·文本聚类的质量评价 | 第39-41页 |
| ·熵 | 第39页 |
| ·特征测量 | 第39-40页 |
| ·整体相似度 | 第40页 |
| ·纯度 | 第40-41页 |
| ·F 值 | 第41页 |
| ·小结 | 第41-42页 |
| 第四章 K-means 算法的改进 | 第42-53页 |
| ·传统 K-means 算法的特点 | 第42-43页 |
| ·算法的优点 | 第42页 |
| ·算法存在的局限性 | 第42-43页 |
| ·改进 K-means 算法的提出 | 第43页 |
| ·K-means 算法现有的改进算法 | 第43-45页 |
| ·K-众数算法 | 第43-44页 |
| ·EM 算法 | 第44-45页 |
| ·改进的 K-means 算法中 k 值的确定 | 第45-48页 |
| ·基本思想 | 第45-46页 |
| ·具体步骤 | 第46-47页 |
| ·算法分析 | 第47-48页 |
| ·优化 K-means 算法的初始聚类中心 | 第48-52页 |
| ·现有初始聚类中心的选择方法 | 第48-49页 |
| ·改进的初始聚类中心选择方法 | 第49-51页 |
| ·算法分析 | 第51-52页 |
| ·小结 | 第52-53页 |
| 第五章 系统设计与性能分析 | 第53-62页 |
| ·实验环境 | 第53页 |
| ·系统结构 | 第53-57页 |
| ·预处理 | 第53-55页 |
| ·聚类分析 | 第55-57页 |
| ·实验结果与性能分析 | 第57-61页 |
| ·实验结果 | 第57-59页 |
| ·性能分析 | 第59-61页 |
| ·小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第67页 |
