| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 引言 | 第11页 |
| 1.2 文本挖掘简介 | 第11-13页 |
| 1.3 文本聚类的广泛应用 | 第13页 |
| 1.4 文本聚类问题的数学描述 | 第13-14页 |
| 1.5 本文的组织结构 | 第14-15页 |
| 1.6 本章小结 | 第15-16页 |
| 第二章 向量空间模型 | 第16-27页 |
| 2.1 文本表示模型 | 第16-17页 |
| 2.2 文本分词 | 第17-21页 |
| 2.3 向量空间模型 | 第21-23页 |
| 2.4 文本中项的选择 | 第23-25页 |
| 2.5 项的权重的计算 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 传统的聚类算法 | 第27-41页 |
| 3.1 基于划分的方法 | 第27-30页 |
| 3.1.1 K -平均算法(K-Means) | 第28-29页 |
| 3.1.2 K-中心算法 | 第29-30页 |
| 3.2 基于层次的方法 | 第30-33页 |
| 3.2.1 BIRCH 算法 | 第30-32页 |
| 3.2.2 CURE 算法 | 第32-33页 |
| 3.3 基于密度的方法 | 第33-35页 |
| 3.3.1 DBSCAN 算法 | 第33-35页 |
| 3.4 基于网格的方法 | 第35-37页 |
| 3.4.1 STING 算法 | 第35-36页 |
| 3.4.2 CLIQUE 算法 | 第36-37页 |
| 3.5 基于模型的方法 | 第37-38页 |
| 3.5.1 EM 算法 | 第37-38页 |
| 3.6 聚类算法之间的比较 | 第38-39页 |
| 3.7 聚类算法的要求 | 第39-40页 |
| 3.8 本章小结 | 第40-41页 |
| 第四章 CHAMELEON 算法及K-C 算法的研究 | 第41-50页 |
| 4.1 CHAMELEON 算法的研究 | 第41-43页 |
| 4.2 CHAMELEON 算法的优点与不足 | 第43页 |
| 4.3 算法改进思想 | 第43-44页 |
| 4.4 K-C 算法 | 第44-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 文本聚类算法实验及结果分析 | 第50-63页 |
| 5.1 中文文本聚类模型 | 第50-53页 |
| 5.2 聚类算法结果判定标准 | 第53-54页 |
| 5.3 聚类对比实验 | 第54-61页 |
| 5.3.1 Chameleon 算法及K-C 算法对比传统算法优势实验 | 第55-57页 |
| 5.3.2 Chameleon 算法及K-C 算法参数选取实验 | 第57-58页 |
| 5.3.3 K-means 算法，Chameleon 算法及K-C 算法中文文本聚类对比实验 | 第58-59页 |
| 5.3.4 文本向量的维数对整个聚类过程及聚类结果的影响 | 第59-60页 |
| 5.3.5 不同的领域对中文本聚类的结果的影响 | 第60-61页 |
| 5.4 实验结果分析 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间已发表或录用的论文 | 第70-72页 |
