一种改进的文本聚类中心选择算法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 1 绪论 | 第9-14页 |
| ·引言 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·课题研究的目的及意义 | 第12-13页 |
| ·论文的主要内容 | 第13-14页 |
| 2 文本聚类 | 第14-22页 |
| ·文本聚类概述 | 第14-18页 |
| ·文本聚类 | 第14-15页 |
| ·常用的文本聚类算法 | 第15-17页 |
| ·聚类质量评价指标 | 第17-18页 |
| ·文本聚类流程 | 第18-22页 |
| ·文本表示模型 | 第18-20页 |
| ·文本聚类算法的选择 | 第20页 |
| ·聚类评估函数的选择 | 第20-22页 |
| 3 遗传算法 | 第22-33页 |
| ·传统遗传算法 | 第22-27页 |
| ·基本遗传算法构成要素 | 第22-23页 |
| ·遗传算法的应用 | 第23-25页 |
| ·遗传算法应用步骤 | 第25-27页 |
| ·遗传算法的最新发展 | 第27-33页 |
| ·变长度染色体遗传算法 | 第28-29页 |
| ·小生境遗传算法 | 第29-31页 |
| ·混合遗传算法 | 第31-33页 |
| 4 文本聚类算法的研究与改进 | 第33-44页 |
| ·一种文本聚类模型 | 第33-38页 |
| ·文本分词处理 | 第34-35页 |
| ·文本的特征提取 | 第35-36页 |
| ·VSM 模型 | 第36-37页 |
| ·文本聚类 | 第37-38页 |
| ·传统 K-means 算法 | 第38页 |
| ·一种利用遗传算法优化聚类中心选择的算法 | 第38-44页 |
| ·算法原理 | 第39-40页 |
| ·算法流程 | 第40-44页 |
| 5 算法实现及实验结果分析 | 第44-53页 |
| ·系统设计 | 第44页 |
| ·系统实现 | 第44-50页 |
| ·分词模块 | 第45-46页 |
| ·VSM 模型构造模块 | 第46-48页 |
| ·聚类模块 | 第48-50页 |
| ·实验结果对比 | 第50-53页 |
| 6 总结与展望 | 第53-55页 |
| ·结论 | 第53页 |
| ·展望 | 第53-55页 |
| 攻读硕士期间参与的科研项目 | 第55页 |
| 攻读硕士期间发表的论文 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-58页 |
