| 第一章 绪论 | 第1-16页 |
| ·构建本体的目的与意义 | 第11页 |
| ·聚类技术应用概述 | 第11-14页 |
| ·基于神经网络技术推进本体构建的成就及国内外研究动态 | 第14-15页 |
| ·本文主要研究内容 | 第15-16页 |
| 第二章 本体构建方法分析 | 第16-24页 |
| ·本体技术的发展与应用 | 第16-18页 |
| ·本体构建的方法 | 第18-22页 |
| ·本体构建的方法论 | 第18-20页 |
| ·构建本体的数据处理技术 | 第20-22页 |
| ·本体构建方法的优点与缺点分析 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 SOM神经网络在文本聚类中的应用 | 第24-39页 |
| ·人工神经网络概述 | 第24-26页 |
| ·自组织特征映射(SOM)神经网络 | 第26-31页 |
| ·SOM神经网络简介 | 第26-27页 |
| ·SOM神经网络的拓扑结构和工作原理 | 第27-30页 |
| ·SOM神经网络网络的学习算法 | 第30-31页 |
| ·基于SOM网络的文本聚类分析的研究 | 第31-37页 |
| ·SOM神经网络文本聚类算法演示 | 第31-35页 |
| ·SOM神经网络的特点及弱点分析 | 第35-36页 |
| ·SOM神经网络词聚类收敛性分析 | 第36-37页 |
| ·SOM神经网络文本聚类在本体构建中的应用 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于划分的聚类算法研究 | 第39-54页 |
| ·基于划分的聚类算法的原理 | 第39-45页 |
| ·k-means算法分析 | 第39-42页 |
| ·k-medoids算法分析 | 第42-45页 |
| ·适用于大数据集合的基于划分的聚类算法 | 第45-49页 |
| ·CLARA算法 | 第45页 |
| ·CLARANS算法 | 第45-46页 |
| ·CURE聚类算法分析 | 第46-49页 |
| ·适用于大数据集合聚类方法特点分析 | 第49页 |
| ·应用SOM神经网络对基于划分聚类算法的改进 | 第49-53页 |
| ·基于划分的聚类算法的几个问题的讨论 | 第49-51页 |
| ·SOM神经网络与基于划分聚类算法结合的讨论 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 应用神经网络与基于划分的聚类算法结合推进本体构建的研究 | 第54-66页 |
| ·应用神经网络与基于划分的聚类算法结合推进本体构建的体系结构 | 第54页 |
| ·SOM神经网络实验设计与实验步骤 | 第54-61页 |
| ·SOM神经网络输入向量的构造 | 第54-58页 |
| ·SOM网络聚类中参数的选取与设定 | 第58-59页 |
| ·SOM神经网络邻域函数与SOM神经网络输出层的连接方式选择 | 第59-60页 |
| ·SOM神经网络学习过程 | 第60-61页 |
| ·实验设计及实现步骤 | 第61-64页 |
| ·实验流程 | 第61-63页 |
| ·实验数据的收集 | 第63页 |
| ·SOM神经网络的聚类结果 | 第63-64页 |
| ·聚类结果评价与在构建本体时的应用 | 第64-66页 |
| 第六章 总结与展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士期间的发表的学位论文目录 | 第71页 |
