| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景和意义 | 第11-12页 |
| ·研究现状和难点 | 第12-16页 |
| ·本文研究内容 | 第16页 |
| ·论文安排 | 第16-18页 |
| 第2章 文本聚类知识综述 | 第18-28页 |
| ·文本聚类过程 | 第18-19页 |
| ·文本聚类预处理 | 第19-21页 |
| ·中文分词 | 第19-20页 |
| ·停用词处理 | 第20页 |
| ·词干抽取 | 第20-21页 |
| ·文本表示模型 | 第21-23页 |
| ·布尔模型 | 第21-22页 |
| ·概率检索模型 | 第22页 |
| ·向量空间模型 | 第22-23页 |
| ·其他模型 | 第23页 |
| ·降维处理 | 第23-25页 |
| ·聚类算法 | 第25-27页 |
| ·层次聚类算法 | 第25-26页 |
| ·划分法 | 第26页 |
| ·密度聚类方法 | 第26-27页 |
| ·基于模型聚类方法 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于人工免疫算法的K-Means 中心点优化算法 | 第28-44页 |
| ·人工免疫算法 | 第28-31页 |
| ·人工免疫算法概述 | 第28-29页 |
| ·人工免疫算法缺陷 | 第29-31页 |
| ·改进的人工免疫算法 | 第31-35页 |
| ·相似度定义 | 第31-32页 |
| ·最佳选择策略 | 第32-33页 |
| ·最佳变异策略 | 第33页 |
| ·最佳交叉策略 | 第33-34页 |
| ·改进的人工免疫算法 | 第34-35页 |
| ·K-Means 算法 | 第35-37页 |
| ·K-Means 算法概述 | 第35-36页 |
| ·K-Means 算法缺陷 | 第36-37页 |
| ·人工免疫算法与K-Means 算法的结合和改进 | 第37-43页 |
| ·流程定义 | 第37-41页 |
| ·具体实现 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 aiNet 免疫网络模型 | 第44-52页 |
| ·免疫网络模型 | 第44-45页 |
| ·aiNet 网络模型概述 | 第44-45页 |
| ·aiNet 网络模型缺陷 | 第45页 |
| ·改进的aiNet 与文本聚类算法 | 第45-50页 |
| ·相关定义 | 第45-49页 |
| ·算法描述 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第5章 两阶段AIK-aiNet 算法 | 第52-60页 |
| ·算法描述 | 第52-53页 |
| ·仿真实验 | 第53-58页 |
| ·评测标准及实验数据集 | 第53-55页 |
| ·实验及结果分析 | 第55-58页 |
| ·本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67页 |