| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| Contents | 第11-13页 |
| 第1章 绪论 | 第13-18页 |
| ·研究背景 | 第13-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·本文的主要工作 | 第16-17页 |
| ·本文的组织结构 | 第17-18页 |
| 第2章 聚类分析和核方法 | 第18-29页 |
| ·聚类分析 | 第18-26页 |
| ·聚类分析中的相似性测度 | 第18-19页 |
| ·常用的聚类算法 | 第19-26页 |
| ·核方法的基本知识 | 第26-28页 |
| ·基本原理 | 第26-27页 |
| ·Gram 矩阵、Mercer 定理与核函数 | 第27页 |
| ·常用的核函数及其性质 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于核函数模糊聚类算法的子空间样本选择 | 第29-39页 |
| ·引言 | 第29页 |
| ·支持向量机简介 | 第29-32页 |
| ·两类线性可分 SVM | 第30-31页 |
| ·两类线性不可分 SVM | 第31-32页 |
| ·核模糊 C 均值聚类 | 第32-33页 |
| ·基于 KFCM 方法的子空间样本选择 | 第33-34页 |
| ·实验结果与分析 | 第34-38页 |
| ·仿真数据集实验 | 第34-36页 |
| ·UCI 数据集实验 | 第36-37页 |
| ·模糊熵阈值 h 的选取 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 初始聚类中心优化的加权最大熵核 FCM 算法 | 第39-46页 |
| ·引言 | 第39页 |
| ·MEFCM 算法简介 | 第39-40页 |
| ·基于核函数的最大信息熵准则的 FCM 算法 | 第40-41页 |
| ·聚类中心优化的加权最大熵核 FCM 算法 | 第41-43页 |
| ·实验分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 核聚类算法在中文文本聚类中的应用 | 第46-56页 |
| ·引言 | 第46页 |
| ·中文文本分词及词性标注 | 第46-47页 |
| ·保留相关词性 | 第47-48页 |
| ·特征词选择 | 第48-49页 |
| ·VSM模型 | 第49-51页 |
| ·基于KFCM的子空间样本选择在文本中的应用 | 第51-54页 |
| ·WKMEFCM算法在文本聚类中的应用 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 中文 Web 文本聚类搜索系统的设计与实现 | 第56-67页 |
| ·引言 | 第56页 |
| ·系统功能简介 | 第56页 |
| ·潜在语义索引（Latent Semantic Indexing, LSI)简介 | 第56-60页 |
| ·聚类类别的主题提取 | 第60-61页 |
| ·Carrot2系统简介 | 第61-62页 |
| ·基于Carrot2的中文聚类搜索系统 | 第62-63页 |
| ·系统性能评估 | 第63-65页 |
| ·本章小结 | 第65-67页 |
| 总结和展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读学位期间发表的学术论文 | 第73-75页 |
| 致谢 | 第75-76页 |
| 详细摘要 | 第76-80页 |
