| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-31页 |
| ·数据挖掘概述 | 第8-16页 |
| ·数据挖掘的基本概念 | 第8-10页 |
| ·数据挖掘的一般过程 | 第10-11页 |
| ·数据挖掘任务 | 第11-13页 |
| ·数据挖掘功能 | 第13-16页 |
| ·数据挖掘的发展趋势和方向 | 第16页 |
| ·聚类 | 第16-30页 |
| ·问题定义 | 第17页 |
| ·数据挖掘对聚类的典型要求 | 第17-18页 |
| ·聚类分析中的数据类型及对象间的相似度 | 第18-20页 |
| ·主要聚类方法 | 第20-30页 |
| ·本文的内容结构 | 第30-31页 |
| 第二章 粒度计算 | 第31-40页 |
| ·粒度计算概述 | 第31-35页 |
| ·什么是粒度计算 | 第31-32页 |
| ·粒计算基本问题 | 第32页 |
| ·主要的粒化框架模型及研究现状 | 第32-35页 |
| ·商空间理论 | 第35-38页 |
| ·不同粒度世界的关系 | 第35-37页 |
| ·粒度的确定 | 第37页 |
| ·商空间的合成技术 | 第37-38页 |
| ·几种模型间的比较 | 第38-40页 |
| 第三章 基于粒度的文本聚类 | 第40-52页 |
| ·信息的粒化分析 | 第40页 |
| ·聚类中的粒度原理 | 第40-42页 |
| ·基于粒度聚类的一般框架 | 第42-43页 |
| ·基于粒度的文本聚类 | 第43-52页 |
| ·文本的初始化 | 第44-45页 |
| ·粒度的确定 | 第45-46页 |
| ·相似性度量 | 第46页 |
| ·算法描述 | 第46-47页 |
| ·实验分析 | 第47-52页 |
| 第四章 模糊聚类 | 第52-61页 |
| ·模糊聚类的典型方法 | 第52-55页 |
| ·直接聚类算法 | 第53-54页 |
| ·间接聚类算法 | 第54页 |
| ·模糊c均值(FCM，Fuzzy c-means)聚类算法 | 第54-55页 |
| ·基于商空间理论的模糊聚类 | 第55-61页 |
| ·基于商空间的模糊聚类模型 | 第55-56页 |
| ·聚类分析的分层递阶结构 | 第56-58页 |
| ·模糊聚类在文本聚类中的应用 | 第58-61页 |
| 第五章 总结和展望 | 第61-63页 |
| ·本文总结 | 第61-62页 |
| ·本文展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间所发表的论文 | 第68页 |