| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1. 课题研究的依据及意义 | 第10-14页 |
| 1.1.1. 文本聚类研究现状 | 第11-12页 |
| 1.1.2. k-means研究现状 | 第12-14页 |
| 1.2. 课题研究的内容 | 第14页 |
| 1.3. 论文组织结构 | 第14-15页 |
| 第二章 聚类原理与方法 | 第15-23页 |
| 2.1. 常用的聚类方法 | 第15-18页 |
| 2.1.1. 基于划分的方法 | 第15页 |
| 2.1.2. 基于层次的聚类方法 | 第15-17页 |
| 2.1.3. 基于密度的聚类方法 | 第17-18页 |
| 2.2. 相似度比较方法 | 第18-20页 |
| 2.2.1. 基于距离的度量 | 第18-19页 |
| 2.2.2. 标称型属性度量 | 第19页 |
| 2.2.3. 序数属性相似性度量 | 第19-20页 |
| 2.2.4. 余弦相似度度量 | 第20页 |
| 2.3. 聚类评估 | 第20-23页 |
| 2.3.1. 估计聚类趋势 | 第20-21页 |
| 2.3.2. 测定聚类质量 | 第21-23页 |
| 2.3.2.1. 外在方法 | 第21-22页 |
| 2.3.2.2. 内在方法 | 第22-23页 |
| 第三章 k-means改进算法设计与验证 | 第23-41页 |
| 3.1. 经典k-means聚类算法 | 第23-25页 |
| 3.2. 最小化误差平方和的k-means初始聚类中心优化算法minSSEKmeans | 第25-28页 |
| 3.2.1. 基本原理 | 第25-26页 |
| 3.2.2. 基本步骤 | 第26-27页 |
| 3.2.3. 算法复杂度分析 | 第27-28页 |
| 3.3. minSSEKmeans实验验证 | 第28-35页 |
| 3.3.1. 真实数据集 | 第28-32页 |
| 3.3.1.1. 聚类时间对比 | 第28-30页 |
| 3.3.1.2. F值比较 | 第30-31页 |
| 3.3.1.3. 迭代次数以及sse比较 | 第31-32页 |
| 3.3.2. 人工模拟数据 | 第32-35页 |
| 3.4. 基于正态分布的k-means孤立点过滤算法ndfKmeans | 第35-41页 |
| 3.4.1. 基本原理 | 第35页 |
| 3.4.2. 基本步骤 | 第35-37页 |
| 3.4.3. 模拟实验验证 | 第37-41页 |
| 第四章 改进算法在中文文本聚类中的应用 | 第41-53页 |
| 4.1. 分词 | 第41-44页 |
| 4.1.1. 分词方法 | 第42-43页 |
| 4.1.1.1. 机械分词方法 | 第42-43页 |
| 4.1.1.2. 统计分词方法 | 第43页 |
| 4.1.1.3. 理解分词方法 | 第43页 |
| 4.1.2. 词干提取 | 第43-44页 |
| 4.1.3. 中文分词的难点 | 第44页 |
| 4.2. 过滤停用词 | 第44-45页 |
| 4.3. 文档表示模型 | 第45-46页 |
| 4.4. 文本聚类实验 | 第46-53页 |
| 4.4.1. 中文文本语料集 | 第46-47页 |
| 4.4.2. 代码结构描述 | 第47-48页 |
| 4.4.3. 实验结果对比 | 第48-51页 |
| 4.4.3.1. 相似度距离度量对比 | 第48-50页 |
| 4.4.3.2. 聚类质量对比 | 第50-51页 |
| 4.4.3.3. 聚类时间、迭代次数以及sse对比 | 第51页 |
| 4.4.4. 簇的描述信息 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 第六章 致谢 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 硕士期间论文发表及专利申请情况 | 第61页 |
