| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-20页 |
| ·课题背景及意义 | 第12-14页 |
| ·文本聚类概述 | 第14-15页 |
| ·文本分类与文本聚类 | 第14页 |
| ·文本聚类的概念 | 第14-15页 |
| ·国内外研究现状综述 | 第15-17页 |
| ·文本聚类特征选择方法研究现状 | 第15-16页 |
| ·蚁群文本聚类算法研究现状 | 第16-17页 |
| ·文本聚类技术存在问题 | 第17-18页 |
| ·本文的主要研究内容 | 第18页 |
| ·本文的组织结构 | 第18-20页 |
| 第2章 文本聚类的相关技术 | 第20-30页 |
| ·文本的表示 | 第20-22页 |
| ·文本预处理 | 第20-21页 |
| ·特征项的权重计算 | 第21-22页 |
| ·文本特征选择 | 第22-24页 |
| ·基于评估函数的特征选择方法 | 第22-23页 |
| ·基于特征相关性的特征选择方法 | 第23页 |
| ·基于语义理解的特征选择方法 | 第23-24页 |
| ·文本相似度 | 第24-25页 |
| ·聚类算法 | 第25-27页 |
| ·基于划分的聚类算法 | 第25-26页 |
| ·基于层次的聚类算法 | 第26页 |
| ·基于密度的聚类算法 | 第26-27页 |
| ·基于蚁群的聚类算法 | 第27页 |
| ·聚类结果评价 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 集成 K-Means 和 CHIR 的文本聚类无监 督特征选择方法 | 第30-44页 |
| ·无监督特征选择方法 | 第30-32页 |
| ·有监督特征选择方法 | 第32-34页 |
| ·基于有监督CHIR 的特征选择方法 | 第34-36页 |
| ·集成的文本聚类无监督特征选择方法 | 第36-41页 |
| ·聚类融合思想 | 第37页 |
| ·由K-Means 聚类算法得到类别的信息 | 第37-38页 |
| ·集成的文本聚类无监督特征选择方法描述 | 第38-39页 |
| ·具体实现描述 | 第39-40页 |
| ·方法分析 | 第40-41页 |
| ·实验验证 | 第41-43页 |
| ·实验数据集及实验环境 | 第41页 |
| ·实验结果及结论分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于群体智能的蚁群文本聚类改进算法 | 第44-56页 |
| ·群体智能模型 | 第44-47页 |
| ·蚁群聚类算法思想 | 第45-46页 |
| ·标准的蚁群文本聚类算法思想 | 第46-47页 |
| ·基于信息素的蚁群快速文本聚类算法 | 第47-52页 |
| ·解决移动随机性的问题 | 第48-49页 |
| ·算法流程图 | 第49-50页 |
| ·算法描述 | 第50-52页 |
| ·算法分析 | 第52页 |
| ·实验验证 | 第52-55页 |
| ·实验数据集及实验环境 | 第52-53页 |
| ·实验结果与性能分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 文本聚类平台的设计与实现 | 第56-66页 |
| ·设计流程分析 | 第56页 |
| ·数据库设计 | 第56-57页 |
| ·主要的数据结构 | 第57-58页 |
| ·平台的功能模块设计 | 第58-62页 |
| ·文本特征选择模块 | 第59-61页 |
| ·聚类搜索实现模块 | 第61-62页 |
| ·文本聚类技术对聚类结果的影响 | 第62-65页 |
| ·实验语料库 | 第62-63页 |
| ·聚类结果分析 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 作者简介 | 第75页 |