摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第11-18页 |
1.1 研究背景和意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 国外研究现状 | 第12-13页 |
1.2.2 国内研究现状 | 第13-15页 |
1.3 本文的主要研究内容 | 第15页 |
1.4 本文组织结构 | 第15-18页 |
第2章 文本挖掘及遗传算法相关理论概述 | 第18-33页 |
2.1 文本挖掘简介 | 第18-23页 |
2.1.1 文本挖掘的概念 | 第18-19页 |
2.1.2 文本挖掘的过程 | 第19-23页 |
2.2 文本聚类简介 | 第23-25页 |
2.2.1 文本聚类的概念及特点 | 第23-24页 |
2.2.2 文本聚类的过程 | 第24页 |
2.2.3 文本聚类效果的评价指标 | 第24-25页 |
2.3 遗传算法简介 | 第25-31页 |
2.3.1 遗传算法的概念 | 第25-27页 |
2.3.2 种群设计和染色体编码 | 第27页 |
2.3.3 适应度函数 | 第27-28页 |
2.3.4 遗传算子 | 第28-30页 |
2.3.5 终止条件 | 第30-31页 |
2.4 本章小结 | 第31-33页 |
第3章 基于双重遗传的k-means聚类算法设计 | 第33-51页 |
3.1 传统的文本聚类算法及其分析 | 第33-39页 |
3.1.1 传统的文本聚类算法简介 | 第33-36页 |
3.1.2 聚类算法的性能分析 | 第36-39页 |
3.2 基于双重遗传的k-means聚类算法的提出 | 第39-45页 |
3.2.1 k-means聚类算法 | 第39-40页 |
3.2.2 改进的聚类算法 | 第40-42页 |
3.2.3 基于双重遗传的k-means聚类算法概述 | 第42-43页 |
3.2.4 基于双重遗传的k-means聚类算法模型的建立 | 第43-45页 |
3.3 TCDGK算法设计 | 第45-50页 |
3.3.1 双重遗传算法的种群设计及分层编码策略 | 第45-46页 |
3.3.2 双重遗传算法个体优劣性评价准则 | 第46-47页 |
3.3.3 双重遗传算法遗传算子设计 | 第47-48页 |
3.3.4 双重遗传算法终止条件设计 | 第48-50页 |
3.4 本章小结 | 第50-51页 |
第4章 基于双重遗传的k-means聚类算法在文本挖掘中的应用 | 第51-62页 |
4.1 实验数据来源 | 第51-53页 |
4.2 文本预处理 | 第53-57页 |
4.2.1 文本分词处理 | 第53-55页 |
4.2.2 去停用词处理 | 第55-56页 |
4.2.3 词频统计 | 第56页 |
4.2.4 特征提取 | 第56-57页 |
4.3 基于双重遗传的k-means文本聚类 | 第57-58页 |
4.3.1 控制k-means聚类数目的遗传算法参数设置 | 第57页 |
4.3.2 控制k-means初始中心点的遗传算法参数设置 | 第57页 |
4.3.3 基于双重遗传的k-means聚类数据实验参数设置 | 第57-58页 |
4.4 其他聚类算法下的文本聚类 | 第58页 |
4.5 知识模式提取 | 第58-59页 |
4.6 模式质量评价 | 第59-60页 |
4.7 本章小结 | 第60-62页 |
第5章 文本挖掘应用系统的设计和实现 | 第62-77页 |
5.1 文本挖掘应用系统运行环境 | 第62页 |
5.1.1 硬件环境 | 第62页 |
5.1.2 软件环境 | 第62页 |
5.2 文本挖掘应用系统的功能分析与设计 | 第62-66页 |
5.2.1 文本预处理模块 | 第62-65页 |
5.2.2 文本聚类模块 | 第65-66页 |
5.2.3 聚类算法对比模块 | 第66页 |
5.3 文本挖掘应用系统的实现和展示 | 第66-75页 |
5.3.1 数据集和文本集展示 | 第67-70页 |
5.3.2 测试实验展示 | 第70-75页 |
5.4 文本挖掘应用系统结果及分析 | 第75-76页 |
5.5 本章小结 | 第76-77页 |
第6章 总结与展望 | 第77-79页 |
6.1 总结 | 第77-78页 |
6.2 展望 | 第78-79页 |
参考文献 | 第79-84页 |
攻读学位期间公开发表论文 | 第84-85页 |
致谢 | 第85页 |