| 提要 | 第1-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·文本挖掘 | 第10-12页 |
| ·文本挖掘的定义 | 第10-11页 |
| ·文本挖掘的发展及现状 | 第11-12页 |
| ·文本聚类 | 第12-14页 |
| ·聚类分析及应用 | 第12页 |
| ·文本聚类的研究现状 | 第12-14页 |
| ·本文工作和内容安排 | 第14-15页 |
| 第2章 聚类分析 | 第15-21页 |
| ·聚类分析的定义 | 第15页 |
| ·聚类的数据类型 | 第15-17页 |
| ·数据矩阵 | 第15-16页 |
| ·相异度矩阵 | 第16页 |
| ·区间标度变量 | 第16-17页 |
| ·相似度量方法 | 第17-19页 |
| ·距离 | 第17-18页 |
| ·相似系数 | 第18-19页 |
| ·聚类方法分类 | 第19-21页 |
| 第3章 文本聚类方法分析 | 第21-29页 |
| ·文本聚类的定义 | 第21页 |
| ·文本聚类的一般过程 | 第21-22页 |
| ·文本聚类建模方法分析 | 第22-25页 |
| ·分词处理与词频统计 | 第22-23页 |
| ·特征项的选取 | 第23-24页 |
| ·文本向量模型 | 第24页 |
| ·TF-IDF 权重的计算 | 第24-25页 |
| ·文档相似度度量 | 第25页 |
| ·文本聚类算法分析 | 第25-29页 |
| ·算法的选择 | 第25-26页 |
| ·基于划分的K-means 聚类算法 | 第26-27页 |
| ·K-means 算法初值依赖性的讨论 | 第27页 |
| ·有关初值选取的现有方法 | 第27-29页 |
| 第4章 聚类算法的分析与比较研究 | 第29-53页 |
| ·基于划分的 K-means 聚类算法 | 第29-34页 |
| ·K-means 聚类算法的主要思想 | 第29页 |
| ·K-means 聚类算法描述 | 第29-30页 |
| ·基于实例数据集的 K-means 聚类算法测试 | 第30-33页 |
| ·K-means 算法的性能分析 | 第33-34页 |
| ·层次聚类算法 | 第34-39页 |
| ·层次聚类 | 第34页 |
| ·层次聚类的基本步骤 | 第34-35页 |
| ·基于实例数据集的层次聚类算法测试 | 第35-39页 |
| ·层次聚类的性能分析 | 第39页 |
| ·基于密度的 DBSCAN 聚类算法 | 第39-43页 |
| ·基于密度的DBSCAN 的相关定义 | 第40页 |
| ·基于密度的DBSCAN 的主要思想 | 第40-41页 |
| ·基于实例数据集的 DBSCAN 算法测试 | 第41-43页 |
| ·DBSCAN 聚类算法的性能分析 | 第43页 |
| ·模糊聚类 | 第43-51页 |
| ·模糊聚类概述 | 第43页 |
| ·模糊聚类算法的主要思想 | 第43-44页 |
| ·基于实例的FCM 模糊算法测试 | 第44-51页 |
| ·算法性能的衡量指标 | 第51页 |
| ·聚类算法性能比较 | 第51-53页 |
| 第5章 文本聚类原型系统的设计与实现 | 第53-65页 |
| ·文本聚类原型系统的设计 | 第53-55页 |
| ·文本聚类原型系统的功能分析 | 第53页 |
| ·文本聚类原型系统的模块设计 | 第53-54页 |
| ·语料库的选择 | 第54-55页 |
| ·聚类算法的选择 | 第55页 |
| ·文本聚类原型系统功能模块的实现 | 第55-58页 |
| ·K-means 算法的实现流程及关键代码 | 第55-57页 |
| ·文本聚类原型系统的界面设计 | 第57-58页 |
| ·文本聚类原型系统的测试及结果分析 | 第58-65页 |
| ·聚类准确度评价 | 第58-59页 |
| ·K-means 算法中参数K 对聚类结果影响的分析 | 第59-63页 |
| ·随机种子参数变化对聚类结果影响的分析 | 第63页 |
| ·语料输入顺序的改变对聚类结果的影响分析 | 第63-65页 |
| 第6章 结束语 | 第65-67页 |
| ·结论 | 第65页 |
| ·今后的工作展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 摘要 | 第71-73页 |
| Abstract | 第73-75页 |