首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于蚁群的文本文档聚类技术研究

摘要第1-5页
Abstract第5-6页
目录第6-8页
第一章 绪论第8-11页
   ·选题背景及意义第8-9页
   ·国内外研究现状第9-10页
   ·本文的主要工作及结构安排第10-11页
     ·本文主要工作第10页
     ·本文结构安排第10-11页
第二章 文本聚类概述第11-23页
   ·文本聚类的概念第11-12页
     ·文本聚类的定义及意义第11页
     ·聚类的典型要求第11-12页
   ·文本聚类的过程第12-13页
   ·文本表示第13-15页
     ·向量空间模型第14页
     ·其他文本表示方法第14-15页
   ·文本降维技术第15-18页
     ·特征选取第15-17页
     ·特征提取第17-18页
   ·主要的聚类算法第18-20页
     ·基于划分的方法第18页
     ·基于层次的方法第18-19页
     ·基于密度的方法第19-20页
     ·基于网格的方法第20页
     ·基于模型的方法第20页
   ·聚类质量的评价第20-21页
   ·聚类算法存在的问题第21-22页
   ·本章小结第22-23页
第三章 蚁群聚类算法第23-31页
   ·蚁群算法简介第23-27页
     ·蚁群算法原理第24页
     ·蚁群系统介绍第24-26页
     ·蚁群算法描述第26-27页
   ·基于蚁群的聚类算法的优化第27-29页
     ·基于蚁群行为特征的聚类第27-28页
     ·多种群蚂蚁聚类第28-29页
     ·混合的蚂蚁聚类算法第29页
   ·蚁群算法的优点第29-30页
   ·本章小结第30-31页
第四章 蚁群禁忌融合的文本聚类算法第31-38页
   ·基于蚁群的文本聚类算法(ATCA)第31-33页
     ·算法ATCA 的基本思想第31-32页
     ·算法ATCA 的描述第32-33页
   ·禁忌搜索算法第33-35页
     ·禁忌搜索基本思想第34页
     ·禁忌搜索算法的流程第34-35页
   ·蚁群算法与禁忌搜索相融合的文本聚类算法第35-37页
     ·蚁群聚类算法的不足第35页
     ·局部搜索策略的改进第35页
     ·改进算法的描述第35-37页
   ·本章小结第37-38页
第五章 实验与分析第38-50页
   ·数据准备第38-41页
     ·实验数据第38-39页
     ·预处理第39-41页
   ·算法设计的实现过程第41-43页
   ·文本挖掘第43-46页
   ·结果分析与评价第46-49页
   ·本章小结第49-50页
第六章 总结与展望第50-51页
   ·工作总结第50页
   ·展望第50-51页
参考文献第51-55页
致谢第55-56页
附录 A 攻读学位期间发表的论文第56页

论文共56页,点击 下载论文
上一篇:基于Java3D的钢结构节点的虚拟装配
下一篇:基于ASP.NET技术的号百生活报管理系统设计与实现