| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-13页 |
| ·研究背景 | 第10-12页 |
| ·研究意义 | 第12-13页 |
| ·文本聚类研究现状 | 第13-15页 |
| ·本文主要研究内容 | 第15页 |
| ·本文组织结构 | 第15-18页 |
| 第二章 文本聚类技术综述 | 第18-36页 |
| ·聚类分析概述 | 第18-21页 |
| ·聚类分析的应用 | 第18页 |
| ·传统的聚类方法 | 第18-21页 |
| ·文本聚类相关理论 | 第21-22页 |
| ·文本聚类的特点 | 第21-22页 |
| ·评价文本聚类算优劣性的标准 | 第22页 |
| ·文本聚类技术综述 | 第22-34页 |
| ·文档的表示模型 | 第22-26页 |
| ·文档特征项提取 | 第26-27页 |
| ·文本特征向量降维 | 第27-29页 |
| ·文本相似度计算 | 第29-34页 |
| ·本章小结 | 第34-36页 |
| 第三章 基于人工免疫网络的文本聚类研究 | 第36-48页 |
| ·人工免疫网络聚类研究 | 第36-39页 |
| ·网络模型定义与描述 | 第36-37页 |
| ·传统的aiNet 模型算法 | 第37-39页 |
| ·改进的AINET 聚类算法 | 第39-43页 |
| ·网络构成规则 | 第39-40页 |
| ·自然选择机制 | 第40-43页 |
| ·改进的AINET 文本聚类算法 | 第43-45页 |
| ·算法描述 | 第43-44页 |
| ·性能测试实验 | 第44-45页 |
| ·本章小结 | 第45-48页 |
| 第四章 基于免疫遗传K-MEANS 和AINET 的两阶段文本聚类算法 | 第48-58页 |
| ·免疫遗传K-MEANS 文本聚类算法 | 第48-54页 |
| ·K-Means 聚类算法介绍 | 第48-50页 |
| ·免疫遗传算法 | 第50-54页 |
| ·基于免疫遗传的K-MEANS 文本聚类算法IGAK | 第54-55页 |
| ·相关定义 | 第54页 |
| ·免疫遗传k-means 文本聚类算法IGAK 描述 | 第54-55页 |
| ·基于IGAK 和 AINET 的两阶段文本聚类算法(IGAK-AINET) | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 基于IGAK-AINET 的文本聚类模型 | 第58-68页 |
| ·功能模块设计 | 第58-65页 |
| ·预处理模块 | 第58-62页 |
| ·特征提取模块及词频计算模块 | 第62-64页 |
| ·IGAK-aiNet 聚类模块 | 第64-65页 |
| ·评测的标准及测试数据和环境 | 第65-66页 |
| ·评测的标准 | 第65页 |
| ·测试所需要的数据准备 | 第65页 |
| ·测试环境 | 第65-66页 |
| ·实验及结果分析 | 第66-67页 |
| ·IGAK-aiNet 文本聚类的可行性和自组织性实验 | 第66页 |
| ·k 值的选择对聚类结果的影响实验 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 总结与展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 附录（攻读硕士期间的科研情况） | 第74页 |
