基于粗糙集的K-means研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 1 引言 | 第11-15页 |
| ·网络传播的现状 | 第11-12页 |
| ·计算机对自然语言的处理 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| 2 文本特征选择技术与文本聚类技术的研究 | 第15-24页 |
| ·中文分词技术 | 第15-16页 |
| ·文本特征选择技术 | 第16-18页 |
| ·文本过滤的相关概念 | 第18-20页 |
| ·文本分类的概念 | 第20-21页 |
| ·文本分类 | 第20-21页 |
| ·文本过滤与文本分类 | 第21页 |
| ·文本聚类的概念 | 第21-24页 |
| 3 主要聚类算法的分析 | 第24-33页 |
| ·基于划分的方法 | 第24-25页 |
| ·算法的概述 | 第24页 |
| ·典型的代表算法 | 第24-25页 |
| ·基于层次的方法 | 第25-26页 |
| ·算法的概述 | 第25-26页 |
| ·典型的代表算法 | 第26页 |
| ·基于密度的方法 | 第26-27页 |
| ·算法的概述 | 第26页 |
| ·典型的代表算法 | 第26-27页 |
| ·基于网格的方法 | 第27-28页 |
| ·算法的概述 | 第27页 |
| ·典型的代表算法 | 第27-28页 |
| ·基于模型的方法 | 第28-29页 |
| ·算法的概述 | 第28页 |
| ·典型的代表算法 | 第28-29页 |
| ·粗糙集理论研究 | 第29-33页 |
| ·粗糙集的概念 | 第30-32页 |
| ·知识不确定性量测 | 第32页 |
| ·知识的粗糙熵 | 第32-33页 |
| 4 粗糙集算法在K-Means模型中的应用 | 第33-42页 |
| ·传统聚类算法的缺点 | 第33页 |
| ·对于传统聚类算法的改进 | 第33-36页 |
| ·算法概述 | 第33-34页 |
| ·算法改进 | 第34-36页 |
| ·KRS模型 | 第36-42页 |
| 5 系统仿真与实现 | 第42-56页 |
| ·文本特征选择技术 | 第42-44页 |
| ·粗糙集算法仿真 | 第44-46页 |
| ·在WEKA上实现粗糙集算法仿真 | 第44-46页 |
| ·实验的结论分析 | 第46页 |
| ·系统实现 | 第46-56页 |
| ·系统体系架构 | 第47页 |
| ·网络信息获取模块 | 第47-48页 |
| ·数据预处理模块 | 第48-50页 |
| ·文本聚类模块 | 第50-56页 |
| 6 总结与展望 | 第56-58页 |
| ·工作总结 | 第56-57页 |
| ·未来的展望 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 作者简历 | 第60-62页 |
| 学位论文数据集 | 第62页 |
