| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 聚类分析算法国内外研究现状 | 第12-13页 |
| 1.2.2 基于粒子群优化的聚类算法国内外研究现状 | 第13-14页 |
| 1.2.3 文本聚类问题国内外研究现状 | 第14-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 本文内容安排 | 第16-18页 |
| 第2章 相关理论和方法 | 第18-30页 |
| 2.1 文本聚类预处理技术 | 第18-23页 |
| 2.1.1 文本分词与去停用词 | 第19-20页 |
| 2.1.2 文本特征提取 | 第20-22页 |
| 2.1.3 文本表示模型 | 第22-23页 |
| 2.2 聚类算法概述 | 第23-26页 |
| 2.2.1 常用聚类算法 | 第23页 |
| 2.2.2 相似性度量 | 第23-24页 |
| 2.2.3 聚类结果评价指标 | 第24-26页 |
| 2.3 粒子群优化算法 | 第26-28页 |
| 2.3.1 基本概念 | 第26-27页 |
| 2.3.2 PSO算法步骤 | 第27页 |
| 2.3.3 PSO算法分析 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于自适应调整惯性权重的粒子群算法 | 第30-44页 |
| 3.1 基于惯性权重的PSO算法思想 | 第30-32页 |
| 3.2 基于自适应惯性权重的粒子群优化算法 | 第32-36页 |
| 3.2.1 自适应惯性权重策略 | 第32-33页 |
| 3.2.2 加入柯西算子扰动的AEW-PSO算法 | 第33-35页 |
| 3.2.3 AEW-PSO算法整体步骤 | 第35-36页 |
| 3.3 实验验证与结果分析 | 第36-42页 |
| 3.3.1 实验设计 | 第37-38页 |
| 3.3.2 算法性能分析 | 第38-42页 |
| 3.3.3 实验小结 | 第42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 基于粒子群优化的密度峰值聚类算法应用 | 第44-55页 |
| 4.1 基于AEW-PSO优化的密度峰值聚类算法 | 第44-47页 |
| 4.2 基于AEW-DP算法文本聚类应用 | 第47-49页 |
| 4.2.1 算法整体思想 | 第47-48页 |
| 4.2.2 基于AEW-DP文本聚类算法框架 | 第48-49页 |
| 4.3 实验验证及分析 | 第49-53页 |
| 4.3.1 实验设计 | 第49-50页 |
| 4.3.2 实验结果与分析 | 第50-53页 |
| 4.3.3 实验小结 | 第53页 |
| 4.4 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第63-65页 |
| 致谢 | 第65页 |