| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-19页 |
| ·研究背景和意义 | 第9-11页 |
| ·国内外相关研究和综述 | 第11-16页 |
| ·聚类算法研究现状 | 第11-13页 |
| ·Co-Clustering 算法研究现状 | 第13-15页 |
| ·主题驱动文本聚类算法研究现状 | 第15-16页 |
| ·研究问题的定义 | 第16-18页 |
| ·本文的结构安排 | 第18-19页 |
| 第2章 Co-clustering 算法综述 | 第19-29页 |
| ·引言 | 第19页 |
| ·Co-clustering 算法 | 第19-22页 |
| ·Co-clustering 算法思想 | 第20-21页 |
| ·Co-clustering 与单向聚类算法的区别 | 第21-22页 |
| ·Co-clustering 算法应用 | 第22页 |
| ·基于信息论的 Co-clustering 算法 | 第22-27页 |
| ·ITCC 算法中的几个基本概念 | 第22-23页 |
| ·ITCC 算法思想 | 第23-25页 |
| ·ITCC 算法流程 | 第25-26页 |
| ·ITCC 算法时间复杂度分析 | 第26页 |
| ·ITCC 算法目标函数的收敛性分析 | 第26-27页 |
| ·ITCC 算法的不足 | 第27页 |
| ·本章小结 | 第27-29页 |
| 第3章 基于信息论的特征加权 协同聚类算法 | 第29-45页 |
| ·特征加权的理论基础 | 第29-30页 |
| ·模拟实验 | 第30-34页 |
| ·噪声定义及处理方法分析 | 第30页 |
| ·模拟数据生成方法 | 第30-31页 |
| ·特征权重计算 | 第31页 |
| ·特征加权的协同聚类算法模拟实验 | 第31-34页 |
| ·文本表示及特征选择 | 第34-37页 |
| ·文本表示 | 第34-35页 |
| ·特征选择 | 第35页 |
| ·特征权重计算 | 第35-37页 |
| ·特征加权的 Co-clustering 算法 | 第37-39页 |
| ·算法描述 | 第37-38页 |
| ·算法分析 | 第38-39页 |
| ·实验与分析 | 第39-44页 |
| ·数据描述 | 第39页 |
| ·实验实现细节 | 第39-40页 |
| ·实验结果及分析 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于信息论的主题驱动 协同聚类算法 | 第45-61页 |
| ·主题驱动的 Co-clustering 算法的理论基础 | 第45-46页 |
| ·主题模型定义 | 第46-53页 |
| ·主题信息来源 | 第46-48页 |
| ·Wikipedia 页面的信息特征 | 第48-49页 |
| ·主题信息层次语义模型定义 | 第49-51页 |
| ·主题信息特征模型定义 | 第51-53页 |
| ·主题驱动的 Co-clustering 算法 | 第53-56页 |
| ·算法描述 | 第54-55页 |
| ·算法分析 | 第55-56页 |
| ·实验与分析 | 第56-59页 |
| ·数据描述 | 第56页 |
| ·实验结果及分析 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 第5章 算法设计与实现 | 第61-71页 |
| ·系统的基本目标 | 第61页 |
| ·系统总体设计 | 第61-62页 |
| ·系统详细设计 | 第62-70页 |
| ·数据转换模块 | 第62-63页 |
| ·主题模型构建模块 | 第63-67页 |
| ·数据预处理模块 | 第67-68页 |
| ·聚类引擎模块 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-80页 |
| 个人简历 | 第80页 |