K-Means算法研究及在文本聚类中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·论文的研究背景与意义 | 第9-10页 |
| ·国内外研究动态 | 第10-11页 |
| ·论文的主要内容及组织结构 | 第11-13页 |
| 第2章 数据挖掘综述 | 第13-17页 |
| ·数据挖掘 | 第13页 |
| ·数据挖掘的步骤 | 第13-16页 |
| ·本章小结 | 第16-17页 |
| 第3章 K-Means算法研究及改进 | 第17-31页 |
| ·聚类分析介绍 | 第17-21页 |
| ·聚类的概念 | 第17-18页 |
| ·聚类算法 | 第18-21页 |
| ·K-Means算法分析 | 第21-24页 |
| ·K-Means算法 | 第21-23页 |
| ·K-Means算法的优缺点分析 | 第23-24页 |
| ·改进的K-Means算法 | 第24-30页 |
| ·基本思想 | 第24页 |
| ·孤立点检测 | 第24-26页 |
| ·初始中心确定 | 第26-27页 |
| ·改进的K-Means算法描述 | 第27页 |
| ·实验结果分析 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 文本聚类挖掘应用 | 第31-50页 |
| ·文本挖掘的概念 | 第31-34页 |
| ·文本挖掘和信息获取 | 第31-33页 |
| ·文本数据挖掘和计算语言学 | 第33-34页 |
| ·文本数据挖掘与分类元数据 | 第34页 |
| ·文本数据挖掘作为数据分析的探索 | 第34页 |
| ·文本挖掘的过程 | 第34-36页 |
| ·相关内容介绍 | 第36-40页 |
| ·中文分词器 | 第36-37页 |
| ·去停用词 | 第37-38页 |
| ·文本特征提取 | 第38-39页 |
| ·文本表示VSM模型 | 第39页 |
| ·文本聚类实验数据来源 | 第39-40页 |
| ·文本聚类应用实例 | 第40-46页 |
| ·开发环境 | 第40页 |
| ·总体设计 | 第40页 |
| ·详细设计 | 第40-46页 |
| ·结果分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-51页 |
| ·本文的总结 | 第50页 |
| ·今后的研究方向 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录 | 第55-56页 |
| Appendix A | 第56-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间发表的论文 | 第58页 |
