旅游突发事件的聚类研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-12页 |
| ·背景及意义 | 第9-10页 |
| ·研究背景 | 第9页 |
| ·研究目标 | 第9-10页 |
| ·研究意义 | 第10页 |
| ·主要研究内容 | 第10-11页 |
| ·文本的组织结构 | 第11-12页 |
| 第二章 聚类分析技术 | 第12-21页 |
| ·主要的聚类算法 | 第12-14页 |
| ·基于划分的方法 | 第12-13页 |
| ·基于层次的方法 | 第13页 |
| ·基于密度的方法 | 第13页 |
| ·基于网格的方法 | 第13-14页 |
| ·基于模型的方法 | 第14页 |
| ·基于模糊的方法 | 第14页 |
| ·聚类算法存在的问题 | 第14-15页 |
| ·文本聚类 | 第15-21页 |
| ·文本的特征表示 | 第15-18页 |
| ·文本特征项的选取 | 第18-21页 |
| 第三章 旅游突发事件的聚类方式 | 第21-25页 |
| ·相关模型的建立 | 第21页 |
| ·旅游突发事件 | 第21-23页 |
| ·突发事件的聚类 | 第23-25页 |
| 第四章 改进的K-MEANS聚类算法研究 | 第25-39页 |
| ·K-Means算法 | 第25-28页 |
| ·算法解释 | 第25页 |
| ·算法流程 | 第25-26页 |
| ·算法存在问题及已有解决方法 | 第26-28页 |
| ·基于人工免疫的K-Means优化算法的提出 | 第28-31页 |
| ·算法的基本概念 | 第28页 |
| ·算法流程 | 第28-29页 |
| ·算法描述 | 第29-30页 |
| ·实验及结果分析 | 第30-31页 |
| ·基于球树的K-Means改进算法的提出 | 第31-34页 |
| ·算法的基本概念 | 第31-33页 |
| ·算法流程 | 第33-34页 |
| ·实验及结果分析 | 第34页 |
| ·对聚类质量的评价 | 第34-39页 |
| ·常见评价标准 | 第36-37页 |
| ·基于贝叶斯信息测度的评价标准 | 第37-38页 |
| ·对聚类结果的评价及分析 | 第38-39页 |
| 第五章 文本聚类在旅游突发事件中的应用 | 第39-50页 |
| ·需求分析 | 第39-42页 |
| ·单一突发事件的研究 | 第39页 |
| ·对事件影响的聚类分析 | 第39-40页 |
| ·结果分析与需求提出 | 第40-42页 |
| ·旅游突发事件文本聚类系统 | 第42-43页 |
| ·数据清理 | 第43-44页 |
| ·数据转换 | 第44-46页 |
| ·分词与特征选取 | 第45页 |
| ·特征词的数值化 | 第45-46页 |
| ·特征项选取与聚类 | 第46页 |
| ·孤立点清除 | 第46-48页 |
| ·DBScan算法 | 第46-47页 |
| ·清除点的分析 | 第47-48页 |
| ·聚类结果的分析 | 第48-50页 |
| 第六章 结束语 | 第50-52页 |
| ·论文总结 | 第50页 |
| ·进一步研究工作 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表的学术论文 | 第58页 |
