| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景 | 第9-10页 |
| ·课题研究的理论和实际意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·主要研究内容及安排 | 第12-14页 |
| 第二章 主要聚类方法介绍 | 第14-23页 |
| ·划分方法(partitioning methods) | 第14-15页 |
| ·基本思想 | 第14页 |
| ·代表算法 | 第14-15页 |
| ·该算法的优缺点 | 第15页 |
| ·基于密度的方法(density-based methods) | 第15-17页 |
| ·基本思想 | 第15-16页 |
| ·代表算法 | 第16-17页 |
| ·基于模型的方法(model-based methods) | 第17-18页 |
| ·基本思想 | 第17页 |
| ·期望最大化算法(EM) | 第17-18页 |
| ·神经网络方法 | 第18页 |
| ·层次聚类方法(hierarchical method) | 第18-20页 |
| ·基本思想 | 第18-19页 |
| ·代表算法 | 第19-20页 |
| ·优缺点 | 第20页 |
| ·基于网格的方法(gird-based metods) | 第20-21页 |
| ·基本思想 | 第21页 |
| ·代表算法 | 第21页 |
| ·优缺点 | 第21页 |
| ·基于模糊的方法(fuzzy clustering) | 第21-23页 |
| 第三章 文本聚类的相关技术 | 第23-32页 |
| ·基本概念和定义 | 第23-28页 |
| ·聚类分析的数据类型 | 第23-24页 |
| ·文本间距离 | 第24-26页 |
| ·文本表示模型及权值计算 | 第26-28页 |
| ·文本聚类预处理 | 第28-32页 |
| ·分词 | 第28-29页 |
| ·词干提取 | 第29页 |
| ·停用词处理 | 第29-30页 |
| ·特征选择 | 第30-32页 |
| 第四章 改进的K均值算法 | 第32-43页 |
| ·K均值算法的思想和流程 | 第32-34页 |
| ·二分K均值算法的思想和流程 | 第34-35页 |
| ·合作二分K均值算法 | 第35-41页 |
| ·整体聚类阶段 | 第36页 |
| ·合作聚类阶段 | 第36-37页 |
| ·融合阶段 | 第37-41页 |
| ·合作二分K均值算法时间复杂度分析 | 第41-43页 |
| 第五章 系统实现与实验结果分析 | 第43-50页 |
| ·软硬件环境 | 第43页 |
| ·评价标准 | 第43-45页 |
| ·F度量 | 第43-44页 |
| ·平均纯度 | 第44页 |
| ·互信息 | 第44-45页 |
| ·熵 | 第45页 |
| ·功能模块设计 | 第45-47页 |
| ·语料库 | 第47页 |
| ·聚类实验结果分析 | 第47-50页 |
| 第六章 总结与展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读学位期间发表的论文 | 第55-56页 |
| 致谢 | 第56-57页 |
