基于自组织映射的文本聚类研究
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-15页 |
| ·本文研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文研究内容 | 第13页 |
| ·本文章节安排 | 第13-15页 |
| 第2章 数据挖掘概述 | 第15-20页 |
| ·数据挖掘的概念 | 第15页 |
| ·数据挖掘的发展趋势 | 第15-16页 |
| ·Web挖掘 | 第16-18页 |
| ·文本挖掘 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 聚类技术分析 | 第20-29页 |
| ·聚类的概念 | 第20页 |
| ·基本聚类算法 | 第20-24页 |
| ·动态划分聚类 | 第20-21页 |
| ·层次聚类 | 第21-22页 |
| ·基于密度的聚类 | 第22页 |
| ·基于模型的聚类 | 第22-23页 |
| ·基于网格的聚类 | 第23-24页 |
| ·文本预处理 | 第24-28页 |
| ·文本预处理步骤 | 第25页 |
| ·分词 | 第25-27页 |
| ·特征提取 | 第27页 |
| ·文本向量化 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第4章 一种新的基于SOM的文本聚类算法 | 第29-41页 |
| ·自组织映射网络(SOM) | 第29-33页 |
| ·SOM简介 | 第29-31页 |
| ·SOM聚类的基本流程 | 第31-33页 |
| ·SOM聚类的优缺点 | 第33页 |
| ·SOM算法的改进策略 | 第33-36页 |
| ·基于动态的SOM聚类 | 第34-35页 |
| ·基于匹配神经元策略的改进 | 第35页 |
| ·基于SOM的组合聚类 | 第35-36页 |
| ·改进的基于SOM的文本聚类算法 | 第36-40页 |
| ·问题的提出 | 第36-37页 |
| ·改进的k-means文本聚类算法 | 第37-38页 |
| ·新算法的过程描述 | 第38-39页 |
| ·算法分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 新聚类算法的实验结果及分析 | 第41-51页 |
| ·聚类结果评价方法及实验环境和测试数据集 | 第41-43页 |
| ·聚类结果评价方法 | 第41-42页 |
| ·试验环境 | 第42页 |
| ·实验测试数据集 | 第42-43页 |
| ·实验结果分析 | 第43-50页 |
| ·聚类类别k值的实验结果分析 | 第43-47页 |
| ·新的基于SOM的文本聚类算法的实验结果分析 | 第47-50页 |
| ·聚类结果分析 | 第50页 |
| ·本章小结 | 第50-51页 |
| 结论与展望 | 第51-53页 |
| 结论 | 第51页 |
| 进一步工作 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间发表的论文 | 第59页 |
