基于蚁群算法的中文文本聚类研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·课题研究的背景 | 第10-11页 |
| ·课题研究的目的和意义 | 第11页 |
| ·课题研究现状 | 第11-12页 |
| ·本文的研究内容 | 第12-13页 |
| ·本文的组织 | 第13-14页 |
| 第2章 现有中文文本聚类方法 | 第14-21页 |
| ·中文文本的预处理技术 | 第14-17页 |
| ·中文分词方法及其比较 | 第14页 |
| ·文本特征提取方法及其比较 | 第14-15页 |
| ·文本表示模型方法及其比较 | 第15页 |
| ·语义概念词典与文本表示 | 第15-16页 |
| ·文本相似度度量方法及其比较 | 第16-17页 |
| ·聚类算法 | 第17-20页 |
| ·K-means 聚类算法 | 第17页 |
| ·凝聚层次聚类算法 | 第17-18页 |
| ·基于密度聚类算法 | 第18-19页 |
| ·基于遗传的聚类算法 | 第19页 |
| ·基于蚁群的聚类算法 | 第19-20页 |
| ·聚类算法的选择 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于蚁群算法的中文文本聚类方法 | 第21-35页 |
| ·蚁群算法的引入 | 第21-22页 |
| ·经典蚁群算法 | 第22-23页 |
| ·BM 模型 | 第22页 |
| ·LF 模型 | 第22-23页 |
| ·CSI 算法 | 第23页 |
| ·概率转换函数 | 第23-24页 |
| ·蚁群算法描述 | 第24页 |
| ·蚁群算法存在的问题 | 第24-26页 |
| ·蚁群算法本身存在的问题 | 第24-26页 |
| ·蚁群算法在文本聚类中存在的问题 | 第26页 |
| ·基于蚁群的文本聚类算法的改进 | 第26-31页 |
| ·蚁群放置物体时采用紧凑算法 | 第26-27页 |
| ·基于评估函数的拾起物体算法 | 第27-28页 |
| ·结合凝聚算法的蚁群聚类算法 | 第28-30页 |
| ·改进蚁群算法的终止条件 | 第30页 |
| ·改进蚁群放置物体阈值参数 | 第30-31页 |
| ·引入蚁群局部记忆体和全局记忆体 | 第31页 |
| ·文本聚类算法其它改进 | 第31页 |
| ·Hybrid-AC& A 算法 | 第31-33页 |
| ·本文算法的优点 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 中文文本聚类系统的设计与实现 | 第35-43页 |
| ·中文文本聚类系统体系结构 | 第35页 |
| ·文本语料预处理模块 | 第35-37页 |
| ·文本向量模型建立模块 | 第37-40页 |
| ·文本特征的抽取 | 第37页 |
| ·文本向量的建立及优化 | 第37-39页 |
| ·向量相似度的度量 | 第39-40页 |
| ·文本聚类算法核心模块 | 第40-42页 |
| ·改进的蚁群算法模块 | 第40-41页 |
| ·凝聚聚类算法模块 | 第41-42页 |
| ·文本聚类参数设置及聚类结果统计、分析模块 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第5章 实验与结果分析 | 第43-54页 |
| ·测试环境及相关数据集 | 第43页 |
| ·测试环境 | 第43页 |
| ·测试数据集 | 第43页 |
| ·性能评价方法 | 第43-45页 |
| ·实验与分析 | 第45-53页 |
| ·标准数据集实验 | 第45-46页 |
| ·文本语料实验 | 第46-53页 |
| ·实验小结 | 第53页 |
| ·本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| ·本文的主要研究工作及成果 | 第54页 |
| ·存在的问题及对未来的展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60-61页 |
| 详细摘要 | 第61-63页 |
