基于自组织特征映射的海洋文献聚类分析的研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 绪论 | 第10-13页 |
| ·网络信息挖掘中的关键技术 | 第10-11页 |
| ·搜索引擎使用的信息检索技术及其不足 | 第11-12页 |
| ·论文所要研究的主要内容 | 第12页 |
| ·论文结构与章节安排 | 第12-13页 |
| 1 文本聚类的常用算法及评价标准 | 第13-19页 |
| ·文本聚类的主要步骤 | 第13-14页 |
| ·文本聚类算法的评价标准 | 第14页 |
| ·常用文本聚类算法的分析与比较 | 第14-17页 |
| ·文本聚类研究进展 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 2 中文分词技术 | 第19-26页 |
| ·基于字符串匹配的分词方法 | 第19-20页 |
| ·基于理解的分词方法 | 第20页 |
| ·基于统计的分词方法 | 第20-21页 |
| ·中文分词中的难点 | 第21-23页 |
| ·中文分词的研究现状 | 第23-24页 |
| ·中文分词技术MMSEG | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 自组织特征映射神经网络概述 | 第26-34页 |
| ·人工神经网络的特点 | 第27-28页 |
| ·神经网络的工作原理 | 第28-29页 |
| ·SOM 神经网络概述 | 第29-33页 |
| ·本章小结 | 第33-34页 |
| 4 聚类分析系统的设计 | 第34-39页 |
| ·海洋文献的存储表示 | 第34-36页 |
| ·聚类分析过程的设计 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 5 聚类分析系统OCA 的实现及实验分析 | 第39-43页 |
| ·中文分词 | 第39-40页 |
| ·VSM 的建立 | 第40-41页 |
| ·神经元的学习 | 第41页 |
| ·聚类结果与分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 6 总结与展望 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 附录 | 第46-58页 |
| 致谢 | 第58-59页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第59页 |
