基于Web文本的聚类算法的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景 | 第9-10页 |
| ·课题研究的意义 | 第10页 |
| ·Web 文本聚类面对的挑战 | 第10-11页 |
| ·本文的主要内容结构 | 第11-13页 |
| 第2章 相关概念 | 第13-17页 |
| ·数据挖掘 | 第13-14页 |
| ·数据挖掘特点 | 第13页 |
| ·数据挖掘常用方法 | 第13-14页 |
| ·WEB文本挖掘 | 第14-15页 |
| ·Web 挖掘 | 第14页 |
| ·文本挖掘简介 | 第14-15页 |
| ·数据标准化 | 第15页 |
| ·文本表示 | 第15-16页 |
| ·向量空间模型 | 第15-16页 |
| ·特征抽取 | 第16页 |
| ·本章小结 | 第16-17页 |
| 第3章 WEB 文本挖掘技术 | 第17-22页 |
| ·WEB文本挖掘的过程 | 第17-18页 |
| ·WEB 文本预处理技术 | 第18-21页 |
| ·Web 文本去噪 | 第18页 |
| ·中文文本分词 | 第18-19页 |
| ·文本特征表示 | 第19-20页 |
| ·文本特征选取 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第4章 基于遗传策略的特征选取方法 | 第22-29页 |
| ·遗传算法 | 第22页 |
| ·基于遗传策略的特征选取方法 | 第22-27页 |
| ·基本思想 | 第22-23页 |
| ·算法的基本流程 | 第23-27页 |
| ·实验分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第5章 基于文本的聚类算法的改进与应用 | 第29-48页 |
| ·文本聚类 | 第29-32页 |
| ·聚类的研究属性 | 第29-30页 |
| ·文本聚类的特点 | 第30-32页 |
| ·文本聚类算法的比较 | 第32页 |
| ·聚类算法的比较 | 第32-33页 |
| ·K-means 算法分析 | 第33页 |
| ·K-means 算法 | 第33页 |
| ·经典K-means 算法的局限性 | 第33页 |
| ·改进 K-means(WIPD)算法 | 第33-39页 |
| ·基本思想 | 第33-34页 |
| ·检测提取孤立点阶段 | 第34-36页 |
| ·聚类阶段 | 第36-37页 |
| ·整理阶段 | 第37页 |
| ·算法步骤 | 第37-39页 |
| ·改进K-means 算法聚类流程 | 第39页 |
| ·实验与分析 | 第39-41页 |
| ·聚类性能评价指标 | 第39-40页 |
| ·文本数据聚类实验 | 第40-41页 |
| ·改进后聚类算法的原型系统的实现实验论证 | 第41-47页 |
| ·实现环境 | 第41页 |
| ·数据集的选取 | 第41-42页 |
| ·评价方法 | 第42-47页 |
| ·本章小结 | 第47-48页 |
| 第6章 总结与展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 附录 | 第54页 |
