| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景及目的 | 第9-10页 |
| ·文本聚类的研究现状 | 第10-13页 |
| ·论文研究内容及组织 | 第13-15页 |
| ·论文研究内容 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| 第2章 文本聚类的相关理论 | 第15-26页 |
| ·文本聚类的一般过程 | 第15页 |
| ·文本聚类预处理 | 第15-18页 |
| ·分词或词形还原 | 第16页 |
| ·停用词处理 | 第16-17页 |
| ·特征选择 | 第17页 |
| ·权重计算 | 第17-18页 |
| ·文本表示的数学模型 | 第18-20页 |
| ·布尔模型 | 第18页 |
| ·概率检索模型 | 第18-19页 |
| ·向量空间模型 | 第19-20页 |
| ·文本聚类算法 | 第20-25页 |
| ·聚类分析中的数据结构和相似度 | 第21-23页 |
| ·聚类算法概述 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于CURE的k-means文本聚类算法 | 第26-43页 |
| ·k-means算法概述 | 第26-29页 |
| ·k-means的基本思想 | 第26页 |
| ·k-means的数学描述 | 第26-27页 |
| ·k-means算法的分析 | 第27-29页 |
| ·现有的初始点的选择方法 | 第29-31页 |
| ·基于CURE算法的k-means文本聚类算法 | 第31-36页 |
| ·CURE算法介绍 | 第31-33页 |
| ·基于CURE算法的初始点选择算法 | 第33-36页 |
| ·基于CURE的k-means文本聚类实验 | 第36-42页 |
| ·文本聚类算法的评价标准 | 第36-37页 |
| ·测试数据集介绍和实验结果分析 | 第37-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于PCA的k-means算法 | 第43-59页 |
| ·文本聚类中的降维 | 第43-48页 |
| ·文本聚类中降维的必要性 | 第43页 |
| ·现有的文本聚类降维方法 | 第43-48页 |
| ·基于PCA的k-means文本聚类算法 | 第48-56页 |
| ·主成分分析 | 第48-52页 |
| ·基于PCA的k-means文本聚类算法的基本思想 | 第52-53页 |
| ·基于PCA的k-means文本聚类算法 | 第53-56页 |
| ·基于PCA的k-means文本聚类实验 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间发表的论文及参加的项目 | 第66-67页 |
| 致谢 | 第67页 |