| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第1章 概论 | 第10-13页 |
| ·课题的背景和意义 | 第10-11页 |
| ·课题研究背景 | 第10页 |
| ·课题研究意义 | 第10-11页 |
| ·信息过滤研究现状 | 第11-12页 |
| ·本文创新点 | 第12-13页 |
| 第2章 相关理论与技术 | 第13-24页 |
| ·遗传算法 | 第13-17页 |
| ·遗传算法概述 | 第13页 |
| ·遗传算法产生与发展 | 第13-14页 |
| ·标准遗传算法构成要素 | 第14-15页 |
| ·模拟退火遗传算法 | 第15-17页 |
| ·模糊聚类知识 | 第17-19页 |
| ·模糊聚类理论发展 | 第17页 |
| ·模糊矩阵聚类分析 | 第17-19页 |
| ·信息过滤关键技术 | 第19-23页 |
| ·分词技术 | 第19-20页 |
| ·特征选择 | 第20-21页 |
| ·文本表示模型 | 第21-22页 |
| ·权重计算 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于模糊聚类的遗传算法研究 | 第24-34页 |
| ·基于遗传算法的信息过滤 | 第24-29页 |
| ·编码及初始种群的产生 | 第24-25页 |
| ·适应度函数 | 第25-26页 |
| ·基本遗传操作 | 第26-27页 |
| ·模拟退火操作 | 第27页 |
| ·遗传参数的设定及终止条件 | 第27-29页 |
| ·模糊聚类分析 | 第29-31页 |
| ·模糊聚类的引入 | 第29页 |
| ·训练文本的模糊聚类 | 第29-30页 |
| ·聚类结果评价参数 | 第30-31页 |
| ·基于模糊聚类的遗传算法 | 第31-33页 |
| ·遗传训练 | 第31-32页 |
| ·适应度函数 | 第32-33页 |
| ·基于模糊聚类的遗传算法训练步骤 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于遗传算法与模糊聚类的信息过滤系统的实现 | 第34-44页 |
| ·系统结构 | 第34-36页 |
| ·系统主要模块 | 第36-38页 |
| ·主要界面与过滤效果图示 | 第38-40页 |
| ·主要界面介绍 | 第38-39页 |
| ·过滤效果图示 | 第39-40页 |
| ·评价标准及测试数据集 | 第40-41页 |
| ·评价标准 | 第40-41页 |
| ·测试数据集 | 第41页 |
| ·系统测试及结果分析 | 第41-43页 |
| ·抗干扰测试 | 第42页 |
| ·有效性测试 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 结束语 | 第44-46页 |
| ·本文主要工作 | 第44页 |
| ·存在的问题 | 第44-45页 |
| ·进一步的工作 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 攻读硕士学位期间的主要成果 | 第49-50页 |
| 致谢 | 第50页 |