面向文本流的聚类树分类方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题来源 | 第8页 |
| 1.2 课题研究背景及意义 | 第8-9页 |
| 1.3 国内外相关研究和综述 | 第9-12页 |
| 1.3.1 数据流分类研究现状 | 第9-11页 |
| 1.3.2 基于聚类技术的分类方法研究现状 | 第11-12页 |
| 1.4 本文主要研究内容 | 第12-13页 |
| 1.5 本文的组织结构 | 第13-14页 |
| 第2章 相关基础知识介绍 | 第14-25页 |
| 2.1 文本处理相关技术介绍 | 第14-18页 |
| 2.1.1 特征抽取 | 第15-16页 |
| 2.1.2 特征选择 | 第16-18页 |
| 2.2 常用文本聚类算法 | 第18-20页 |
| 2.2.1 k-means 算法 | 第18页 |
| 2.2.2 DBSCAN 算法 | 第18-19页 |
| 2.2.3 谱聚类算法 | 第19-20页 |
| 2.3 基于聚类的分类方法 | 第20-24页 |
| 2.3.1 基于聚类技术的分类方法概述 | 第20-21页 |
| 2.3.2 CT 算法的相关知识 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于类标信息的聚类树分类方法 | 第25-37页 |
| 3.1 聚类树算法的问题分析 | 第25-26页 |
| 3.2 基于类标信息的聚类树分类算法 | 第26-30页 |
| 3.2.1 CTL 算法流程 | 第26-27页 |
| 3.2.2 CTL 算法原理 | 第27-30页 |
| 3.3 实验结果和分析 | 第30-36页 |
| 3.3.1 实验平台 | 第30页 |
| 3.3.2 实验数据 | 第30-31页 |
| 3.3.3 类标信息权重调节实验 | 第31-34页 |
| 3.3.4 CTL 算法对比实验 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 CTL 算法在文本流分类上的应用 | 第37-49页 |
| 4.1 基于 CTL 的文本流分类算法 | 第37-40页 |
| 4.1.1 算法流程 | 第37-39页 |
| 4.1.2 算法原理 | 第39-40页 |
| 4.2 实验设置 | 第40-43页 |
| 4.2.1 实验平台 | 第40-41页 |
| 4.2.2 实验数据 | 第41-42页 |
| 4.2.3 实验对比算法 | 第42-43页 |
| 4.2.4 评价指标 | 第43页 |
| 4.3 实验结果分析 | 第43-48页 |
| 4.4 本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第54-56页 |
| 致谢 | 第56页 |
