基于谱聚类的文本聚类算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 课题研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 论文主要工作 | 第10页 |
| 1.4 论文内容安排 | 第10-12页 |
| 第2章 文本聚类关键技术 | 第12-24页 |
| 2.1 文本预处理 | 第12-14页 |
| 2.1.1 文本分词 | 第12-13页 |
| 2.1.2 去除停用词 | 第13-14页 |
| 2.2 文本表示模型 | 第14-16页 |
| 2.3 文本特征选择 | 第16-17页 |
| 2.4 文本聚类方法 | 第17-21页 |
| 2.4.1 基于划分的聚类方法 | 第17-18页 |
| 2.4.2 基于层次的聚类方法 | 第18-19页 |
| 2.4.3 基于密度的聚类方法 | 第19-20页 |
| 2.4.4 基于网格的聚类方法 | 第20页 |
| 2.4.5 基于模型的聚类方法 | 第20-21页 |
| 2.4.6 基于语义的聚类方法 | 第21页 |
| 2.5 聚类效果评价指标 | 第21-22页 |
| 2.6 本章小结 | 第22-24页 |
| 第3章 谱聚类方法 | 第24-35页 |
| 3.1 相似性度量 | 第24-25页 |
| 3.1.1 高斯核函数 | 第24页 |
| 3.1.2 基于欧氏距离的相似性度量 | 第24-25页 |
| 3.1.3 余弦相似度 | 第25页 |
| 3.2 图论相关技术 | 第25-26页 |
| 3.2.1 图的数学描述 | 第25页 |
| 3.2.2 图的矩阵表示 | 第25-26页 |
| 3.3 谱聚类的数学解释 | 第26-29页 |
| 3.3.1 谱图划分准则 | 第27-29页 |
| 3.3.2 相似矩阵、度矩阵及拉普拉斯矩阵 | 第29页 |
| 3.3.3 势函数、Fiedler向量及谱 | 第29页 |
| 3.4 经典的谱聚类算法 | 第29-33页 |
| 3.4.1 迭代谱聚类算法 | 第30-32页 |
| 3.4.2 多路谱聚类算法 | 第32-33页 |
| 3.5 谱聚类算法的热点研究问题 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 基于K近邻相似性度量的谱聚类算法 | 第35-48页 |
| 4.1 传统相似性度量存在的问题 | 第35-36页 |
| 4.2 基于K近邻的相似性度量方法 | 第36页 |
| 4.3 基于K近邻相似性度量的谱聚类算法 | 第36-37页 |
| 4.4 实验与数据分析 | 第37-46页 |
| 4.4.1 语料库的选择和处理 | 第38页 |
| 4.4.2 文本预处理过程 | 第38-40页 |
| 4.4.3 文本特征选择过程 | 第40-41页 |
| 4.4.4 构建向量空间表示模型 | 第41页 |
| 4.4.5 实现聚类 | 第41-43页 |
| 4.4.6 聚类结果评价指标 | 第43-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第5章 基于粒子群优化的谱聚类算法 | 第48-55页 |
| 5.1 粒子群算法概述 | 第48-51页 |
| 5.1.1 PSO算法的基本原理 | 第48-50页 |
| 5.1.2 PSO算法流程 | 第50-51页 |
| 5.1.3 PSO算法特点 | 第51页 |
| 5.2 基于PSO算法的谱聚类算法 | 第51-52页 |
| 5.3 实验与数据分析 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 本文工作总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-62页 |
| 图版 | 第62-63页 |
