| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·文本聚类的难点 | 第12-13页 |
| ·本文的研究内容 | 第13-14页 |
| ·本文的组织结构 | 第14-15页 |
| 第2章 中文文本聚类的关键技术 | 第15-25页 |
| ·文本聚类 | 第15-16页 |
| ·文本预处理 | 第16-18页 |
| ·中文分词 | 第16-18页 |
| ·停用词处理 | 第18页 |
| ·文本表示 | 第18-19页 |
| ·文本相似度度量 | 第19-22页 |
| ·降维处理 | 第22-23页 |
| ·聚类算法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 一种高效的无监督特征选择方法 | 第25-39页 |
| ·特征选择概述 | 第25-29页 |
| ·特征选择的工作原理 | 第25-26页 |
| ·常用的无监督文本特征选择方法 | 第26-29页 |
| ·基于聚类和单词贡献度的无监督特征选择 | 第29-35页 |
| ·相关定义 | 第29-30页 |
| ·特征分析 | 第30-31页 |
| ·算法思想 | 第31页 |
| ·特征聚类的预备知识 | 第31-32页 |
| ·基于聚类的特征初步筛选 | 第32-34页 |
| ·基于聚类和单词贡献度的特征选择 | 第34-35页 |
| ·算法流程图 | 第35页 |
| ·算法描述 | 第35-36页 |
| ·算法分析 | 第36-38页 |
| ·正确性分析 | 第36-37页 |
| ·参数设置分析 | 第37页 |
| ·时间复杂度分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于信息熵的精确赋权K-means聚类算法 | 第39-51页 |
| ·文本聚类概述 | 第39-42页 |
| ·文本聚类的工作原理 | 第39-40页 |
| ·常用的三种文本聚类算法 | 第40-42页 |
| ·基于信息熵的精确赋权K-means聚类算法 | 第42-48页 |
| ·相关定义 | 第42-43页 |
| ·信息熵的意义 | 第43页 |
| ·K-means算法分析 | 第43-45页 |
| ·算法思想 | 第45页 |
| ·特征权值的计算方法 | 第45-46页 |
| ·新的初始聚类中心选择方法 | 第46-47页 |
| ·基于信息熵的精确赋权K-means算法 | 第47-48页 |
| ·算法描述 | 第48-49页 |
| ·算法分析 | 第49-50页 |
| ·正确性分析 | 第49页 |
| ·参数设置分析 | 第49-50页 |
| ·时间复杂度分析 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第5章 实验与结果分析 | 第51-61页 |
| ·实验环境设置 | 第51页 |
| ·实验内容 | 第51-52页 |
| ·实验结果评价指标 | 第52-53页 |
| ·实验结果与分析 | 第53-60页 |
| ·特征选择方法的实验分析 | 第53-57页 |
| ·聚类算法的实验分析 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69页 |