文本挖掘关键技术的研究及模拟实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11页 |
| 1.2 国内外研究历史和现状 | 第11-13页 |
| 1.3 研究意义 | 第13-14页 |
| 1.4 本文主要贡献与创新 | 第14-15页 |
| 1.5 本文结构安排 | 第15-16页 |
| 第二章 文本挖掘概述 | 第16-32页 |
| 2.1 文本挖掘定义 | 第16-17页 |
| 2.2 文本挖掘流程 | 第17-23页 |
| 2.2.1 文本数据预处理 | 第18-19页 |
| 2.2.2 文本表示模型 | 第19页 |
| 2.2.3 特征权值计算 | 第19-21页 |
| 2.2.4 文本相似度度量 | 第21页 |
| 2.2.5 文本特征提取 | 第21-23页 |
| 2.2.5.1 文本特征选择 | 第22-23页 |
| 2.2.5.2 文本特征抽取 | 第23页 |
| 2.3 文本分类 | 第23-26页 |
| 2.3.1 决策树分类算法 | 第25页 |
| 2.3.2 Rocchio分类算法 | 第25-26页 |
| 2.3.3 KNN分类算法 | 第26页 |
| 2.4 文本聚类 | 第26-28页 |
| 2.4.1 k-means聚类算法 | 第27-28页 |
| 2.4.2 凝聚层次聚类算法 | 第28页 |
| 2.4.3 蚁群聚类算法 | 第28页 |
| 2.5 分类聚类评估方式 | 第28-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 基于改进遗传算法的文本特征提取方法 | 第32-46页 |
| 3.1 算法理论 | 第32-35页 |
| 3.1.1 遗传算法 | 第32-34页 |
| 3.1.2 蚁群算法 | 第34-35页 |
| 3.2 基于改进遗传算法的文本特征提取方法 | 第35-41页 |
| 3.2.1 算法分析 | 第35-40页 |
| 3.2.1.1 染色体编码 | 第35-36页 |
| 3.2.1.2 适应度函数 | 第36-37页 |
| 3.2.1.3 遗传算子 | 第37-40页 |
| 3.2.2 算法设计 | 第40-41页 |
| 3.3 模拟实验 | 第41-45页 |
| 3.3.1 模块设计 | 第41-43页 |
| 3.3.2 实验设计与结果分析 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于改进蚁群算法的文本聚类方法 | 第46-60页 |
| 4.1 蚁群聚类经典模型 | 第46-48页 |
| 4.1.1 BM模型 | 第46-47页 |
| 4.1.2 LF模型 | 第47-48页 |
| 4.2 蚁群聚类算法分析 | 第48-50页 |
| 4.2.1 模型算法描述 | 第48-49页 |
| 4.2.2 概率转换函数 | 第49-50页 |
| 4.2.3 蚁群聚类缺点 | 第50页 |
| 4.3 基于改进蚁群算法的文本聚类 | 第50-57页 |
| 4.3.1 算法分析 | 第51-55页 |
| 4.3.1.1 增加全局记忆功能 | 第51-52页 |
| 4.3.1.2 引入凝聚层次聚类 | 第52-54页 |
| 4.3.1.3 改进算法结束条件 | 第54页 |
| 4.3.1.4 参数动态调整 | 第54-55页 |
| 4.3.1.5 蚂蚁长期负载问题 | 第55页 |
| 4.3.2 算法设计 | 第55-57页 |
| 4.4 模拟实验 | 第57-59页 |
| 4.4.1 模块设计 | 第57-58页 |
| 4.4.2 实验设计与结果分析 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 基于改进KNN算法的文本分类方法 | 第60-70页 |
| 5.1 KNN算法 | 第60-61页 |
| 5.2 基于优化训练集的KNN算法改进 | 第61-66页 |
| 5.2.1 算法分析 | 第61-64页 |
| 5.2.1.1 裁剪原理 | 第61-62页 |
| 5.2.1.2 样本分类 | 第62页 |
| 5.2.1.3 边界样本裁剪 | 第62-63页 |
| 5.2.1.4 类内样本裁剪 | 第63-64页 |
| 5.2.2 算法设计 | 第64-66页 |
| 5.3 模拟实验 | 第66-69页 |
| 5.3.1 模块设计 | 第66-67页 |
| 5.3.2 实验设计与结果分析 | 第67-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 主要工作与结论 | 第70页 |
| 6.2 未来工作展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 在学期间的研究成果 | 第77-78页 |
