首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于信息论的特征加权和主题驱动协同聚类算法研究

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

论文共80页,点击 下载论文
上一篇:基于CMOS图像传感器的图像采集系统研究
下一篇:四轮独立转向移动机器人动力学建模及控制研究