| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-14页 |
| ·课题研究背景 | 第9页 |
| ·国内外研究现状 | 第9-10页 |
| ·课题研究的目的及意义 | 第10-11页 |
| ·本文的研究内容 | 第11-12页 |
| ·本文的组织结构 | 第12-14页 |
| 2 文本聚类的相关理论及常用方法 | 第14-20页 |
| ·文本聚类的定义 | 第14页 |
| ·文本的预处理 | 第14-15页 |
| ·特征提取 | 第15-16页 |
| ·文本的表示 | 第16-17页 |
| ·常用的文本聚类算法 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 3 粒子群算法的基本理论 | 第20-26页 |
| ·粒子群算法的概述 | 第20-21页 |
| ·标准粒子群算法 | 第21-23页 |
| ·算法原理 | 第21-22页 |
| ·算法描述 | 第22-23页 |
| ·引入惯性因子的粒子群算法 | 第23-24页 |
| ·算法的重要参数 | 第24页 |
| ·算法存在的缺陷 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 4 结合双粒子群和k-means的文本聚类研究 | 第26-40页 |
| ·双粒子群优化算法 | 第26-34页 |
| ·双种群进化策略 | 第26-27页 |
| ·自调节惯性因子策略 | 第27-29页 |
| ·信息交流机制 | 第29-31页 |
| ·算法流程与详细描述 | 第31-34页 |
| ·结合双粒子群和k-means的文本聚类算法 | 第34-39页 |
| ·个体的编码 | 第34-35页 |
| ·种群初始化 | 第35-36页 |
| ·适应度函数的设计 | 第36页 |
| ·算法模型 | 第36-37页 |
| ·算法步骤 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 5 结合双粒子群和k-means的文本聚类实验结果及评价分析 | 第40-51页 |
| ·双粒子群优化算法的实验与分析 | 第40-46页 |
| ·种群搜索过程(个体分布及搜索范围)测试实验 | 第40-42页 |
| ·双粒子群优化算法与粒子群算法的对比测试实验 | 第42-46页 |
| ·结合双粒子群和k-means的文本聚类实验与分析 | 第46-50页 |
| ·测试语料库的选择 | 第46页 |
| ·评价指标 | 第46-47页 |
| ·同等数目的文本集合下的对比实验 | 第47-49页 |
| ·不同数目的文本集合下的对比实验 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 作者简历 | 第55-57页 |
| 学位论文数据集 | 第57页 |