| 独创性声明 | 第1页 |
| 学位论文版权使用授权书 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 第一章 前言 | 第12-19页 |
| 1．1 数据挖掘和文本挖掘 | 第12-13页 |
| 1．2 文本聚类及其应用 | 第13-15页 |
| 1．2．1 文本聚类的定义及分类 | 第13-14页 |
| 1．2．2 文本聚类的应用 | 第14-15页 |
| 1．3 文本聚类的挑战 | 第15-16页 |
| 1．4 本文的研究内容 | 第16-17页 |
| 1．5 全文的组织结构 | 第17-19页 |
| 第二章 文本聚类过程 | 第19-32页 |
| 2．1 预处理 | 第19-24页 |
| 2．1．1 分词 | 第19-20页 |
| 2．1．2 Stemming | 第20-21页 |
| 2．1．3 停用词处理 | 第21页 |
| 2．1．4 特征选取 | 第21-23页 |
| 2．1．4．1 TFIDF | 第22页 |
| 2．1．4．2 潜在语义索引(Latent semantic indexing，LSI) | 第22-23页 |
| 2．1．5 背景知识的应用 | 第23-24页 |
| 2．1．6 文本表示 | 第24页 |
| 2．2 相似度的计算 | 第24-26页 |
| 2．2．1 Minkowski距离 | 第24-25页 |
| 2．2．2 Cosine距离 | 第25页 |
| 2．2．3 Pearson距离 | 第25-26页 |
| 2．2．4 扩展Jaccard距离 | 第26页 |
| 2．2．5 Kullback-Leibler(KL)距离 | 第26页 |
| 2．3 文本聚类算法 | 第26-29页 |
| 2．3．1 基于划分的算法 | 第26-27页 |
| 2．3．2 基于层次的算法 | 第27-28页 |
| 2．3．3 基于密度的算法 | 第28-29页 |
| 2．3．4 基于神经元网络的算法 | 第29页 |
| 2．3．5 基于模型的算法 | 第29页 |
| 2．4 聚类质量的评价标准 | 第29-31页 |
| 2．4．1 模糊矩阵 | 第30页 |
| 2．4．2 熵 | 第30页 |
| 2．4．3 Macro-F1 | 第30-31页 |
| 2．4．4 整体相似度 | 第31页 |
| 2．5 本章小结 | 第31-32页 |
| 第三章 基于最大序列频繁词组挖掘的特征选取 | 第32-41页 |
| 3．1 最大序列词组 | 第32-33页 |
| 3．2 最大序列频繁词组的提取 | 第33-35页 |
| 3．3 性能评价 | 第35-40页 |
| 3．3．1 数据集和评估标准 | 第35-36页 |
| 3．3．2 实验结果及解释 | 第36-40页 |
| 3．4 本章小结 | 第40-41页 |
| 第四章 自动确定K值的增强K-MEANS算法 | 第41-53页 |
| 4．1 问题的提出 | 第41-42页 |
| 4．2 K-Means算法 | 第42-43页 |
| 4．3 SOM算法 | 第43-44页 |
| 4．4 参数K的确定 | 第44-47页 |
| 4．4．1 对取样进行聚类 | 第45-46页 |
| 4．4．2 多次取样聚类结果的合并 | 第46-47页 |
| 4．5 在K-Means中引入衰减因子 | 第47-49页 |
| 4．6 性能评价 | 第49-52页 |
| 4．6．1 20-Newsgroup数据集 | 第49页 |
| 4．6．2 测试数据集 | 第49-50页 |
| 4．6．3 实验结果及解释 | 第50-52页 |
| 4．7 本章小结 | 第52-53页 |
| 第五章 自动设置参数的基于密度的文本聚类算法 | 第53-64页 |
| 5．1 问题的提出 | 第53-54页 |
| 5．2 DBSCAN聚类算法 | 第54-55页 |
| 5．3 自动阈值确定 | 第55-57页 |
| 5．4 细化簇的发现 | 第57-59页 |
| 5．5 对细化簇进行聚类 | 第59-60页 |
| 5．6 性能评价 | 第60-62页 |
| 5．6．1 测试数据集 | 第60-61页 |
| 5．6．2 实验结果及分析 | 第61-62页 |
| 5．7 本章小结 | 第62-64页 |
| 第六章 结束语 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 攻硕期间参与项目及发表论文 | 第70页 |