| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景与意义 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·本文主要工作及创新点 | 第13页 |
| ·本文的主要工作 | 第13页 |
| ·本文的创新点 | 第13页 |
| ·论文组织和安排 | 第13-15页 |
| 第2章 相关知识与技术基础 | 第15-34页 |
| ·数据挖掘概述 | 第15-19页 |
| ·基本概念 | 第15-16页 |
| ·数据挖掘的任务 | 第16-17页 |
| ·数据挖掘的应用范畴 | 第17-19页 |
| ·聚类技术 | 第19-24页 |
| ·相似性度量方法 | 第19-21页 |
| ·经典的聚类方法 | 第21-24页 |
| ·多数据库挖掘 | 第24-27页 |
| ·多数据库挖掘概述 | 第24-26页 |
| ·多数据库挖掘的主要方法 | 第26-27页 |
| ·文本挖掘 | 第27-33页 |
| ·文本挖掘概述 | 第27-28页 |
| ·文本聚类的过程 | 第28-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 多数据库聚类研究 | 第34-54页 |
| ·引言 | 第34-35页 |
| ·基本概念 | 第35-36页 |
| ·完全的多数据库聚类 | 第36-41页 |
| ·问题描述 | 第36-37页 |
| ·优秀度衡量标准 | 第37-39页 |
| ·完全的多数据库聚类算法 | 第39-41页 |
| ·基于PAntSA~*算法的多数据库聚类 | 第41-48页 |
| ·PAntSA~*算法 | 第41-43页 |
| ·基于PAntSA~*算法的多数据库聚类方法 | 第43-48页 |
| ·实验 | 第48-53页 |
| ·Completely Clustering算法的实验 | 第48-49页 |
| ·DB-PAntSA~*算法的实验 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 文本聚类研究 | 第54-66页 |
| ·引言 | 第54页 |
| ·相关知识 | 第54-59页 |
| ·主题词提取 | 第55-59页 |
| ·Huffman树 | 第59页 |
| ·基于Huffman树思想的文本聚类 | 第59-63页 |
| ·相似性度量标准 | 第59-60页 |
| ·基于Huffman树思想的聚类算法 | 第60-63页 |
| ·实验 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-68页 |
| ·全文总结 | 第66页 |
| ·未来工作 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 在学期间的科研成果及获得的奖励 | 第72-73页 |
| 1 发表的学术论文 | 第72页 |
| 2 获得的奖励 | 第72-73页 |
| 致谢 | 第73-74页 |