基于子空间聚类的文本相关性研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文主要内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 相关基础理论概述 | 第13-28页 |
| 2.1 聚类分析算法 | 第13-21页 |
| 2.1.1 聚类基本概念 | 第13-14页 |
| 2.1.2 聚类算法分类 | 第14-20页 |
| 2.1.3 聚类算法的相似性度量 | 第20-21页 |
| 2.2 子空间聚类算法 | 第21-23页 |
| 2.2.1 子空间聚类基本概念 | 第21-22页 |
| 2.2.2 子空间聚类相关数学理论 | 第22-23页 |
| 2.3 文本文档模型理论 | 第23-27页 |
| 2.3.1 文本模型选择 | 第24-25页 |
| 2.3.2 文本特征提取 | 第25页 |
| 2.3.3 文本特征权重度量 | 第25-26页 |
| 2.3.4 文本相似度度量 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于子空间特征划分的文本相似度量算法 | 第28-42页 |
| 3.1 文本子空间处理 | 第28-33页 |
| 3.1.1 优化选择聚类中心 | 第29-31页 |
| 3.1.2 优化目标函数 | 第31-33页 |
| 3.2 子空间聚类算法 | 第33-34页 |
| 3.3 文本相似度计算 | 第34页 |
| 3.4 实验和分析 | 第34-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于子空间关键词加权的文本相似度量算法 | 第42-50页 |
| 4.1 文本数据子空间表示 | 第42-43页 |
| 4.2 文本子空间优化 | 第43-44页 |
| 4.3 类簇数目确定 | 第44-45页 |
| 4.4 文本相似度计算 | 第45-46页 |
| 4.5 实验及其分析 | 第46-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 硕士学习期间主要科研成果 | 第55-56页 |
| 致谢 | 第56页 |
