基于k-平均算法的文本聚类系统研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-13页 |
| ·研究的背景 | 第8-10页 |
| ·研究的意义 | 第10-11页 |
| ·研究现状 | 第11-12页 |
| ·本文的主要内容及组织 | 第12-13页 |
| 第2章 文本聚类关键技术 | 第13-28页 |
| ·自动分词 | 第14-16页 |
| ·基于词典的分词方法 | 第14-15页 |
| ·基于理解的分词方法 | 第15-16页 |
| ·基于统计的分词方法 | 第16页 |
| ·文本表示模型 | 第16-19页 |
| ·布尔模型 | 第17页 |
| ·向量空间模型 | 第17-18页 |
| ·概率模型 | 第18-19页 |
| ·特征项的选择 | 第19-21页 |
| ·信息增益 | 第19-20页 |
| ·互信息 | 第20页 |
| ·x~2(CHI)统计 | 第20-21页 |
| ·特征项的权重计算 | 第21-22页 |
| ·中文文本聚类算法 | 第22-27页 |
| ·划分聚类方法 | 第23-24页 |
| ·层次聚类方法 | 第24-26页 |
| ·基于密度的聚类方法 | 第26-27页 |
| ·基于网格的方法 | 第27页 |
| ·基于模型的方法 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 文本预处理设计与实验 | 第28-41页 |
| ·分词模块设计 | 第28-35页 |
| ·分词设计 | 第28-32页 |
| ·歧义字段识别与处理 | 第32-34页 |
| ·中文文本分词实验 | 第34-35页 |
| ·文本表示设计 | 第35-40页 |
| ·特征缩减设计 | 第35-38页 |
| ·特征表示设计 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 文本聚类设计与实验 | 第41-53页 |
| ·传统的k-平均算法 | 第42-44页 |
| ·初始参数的确定 | 第44-51页 |
| ·参数k的确定 | 第44-45页 |
| ·确定参数k的实验结果 | 第45-47页 |
| ·已有的初始聚类中心的选择方法 | 第47页 |
| ·基于密度的初始聚类中心选择方法 | 第47-50页 |
| ·确定初始聚类中心的实验结果 | 第50-51页 |
| ·基于k-平均值的文本二次聚类算法 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 系统实现与实验结果分析 | 第53-63页 |
| ·系统的实现 | 第53-57页 |
| ·系统开发平台 | 第53页 |
| ·系统结构 | 第53-57页 |
| ·实验结果评价 | 第57-62页 |
| ·实验数据集 | 第57-58页 |
| ·聚类实验结果分析 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 第6章 总结 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位发表论文和参加科研情况 | 第69页 |
