基于划分与层次的文本聚类研究
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| ·选题背景与研究意义 | 第10-12页 |
| ·文本聚类的研究现状 | 第12-13页 |
| ·研究中存在的问题 | 第13-14页 |
| ·本文的主要研究工作 | 第14页 |
| ·本文的内容安排 | 第14-16页 |
| 第二章 文本聚类算法基础理论 | 第16-25页 |
| ·聚类的定义 | 第16页 |
| ·主要聚类算法分类 | 第16-22页 |
| ·基于顺序的聚类算法 | 第17-18页 |
| ·基于层次的聚类算法 | 第18-20页 |
| ·基于函数最优化的聚类算法 | 第20-22页 |
| ·其他的特殊聚类技术 | 第22页 |
| ·文本数据集 | 第22-24页 |
| ·Reuters21578 数据集 | 第23页 |
| ·20_NewsGroup 数据集 | 第23页 |
| ·WebKB 数据集 | 第23页 |
| ·TDT 数据集 | 第23页 |
| ·OHSUMED 数据集 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 文本聚类关键技术 | 第25-34页 |
| ·分词 | 第25-27页 |
| ·STEMMING | 第27-28页 |
| ·停用词处理 | 第28页 |
| ·空间降维 | 第28-31页 |
| ·文本表示方法 | 第31-32页 |
| ·相似性度量 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于可变阈值的 K-MEANS 聚类器 | 第34-43页 |
| ·K-MEANS 算法简介 | 第34-37页 |
| ·VTK-MEANS 算法 | 第37-38页 |
| ·VTK-MEANS 算法时间复杂度分析 | 第38-39页 |
| ·实验结果与分析 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 引入信息增益的层次聚类器 | 第43-50页 |
| ·CURE 算法 | 第44-45页 |
| ·信息增益 | 第45-46页 |
| ·IG-CURE 算法 | 第46页 |
| ·实验结果与分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·本文主要创新和贡献 | 第50-51页 |
| ·下一步工作 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文 | 第55-56页 |
| 致谢 | 第56页 |
