| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 第1章 绪论 | 第8-11页 |
| ·选题背景及意义 | 第8页 |
| ·国内外文本聚类研究现状 | 第8-9页 |
| ·本文工作及结构安排 | 第9-11页 |
| ·本文工作 | 第9-10页 |
| ·章节安排 | 第10-11页 |
| 第2章 聚类综述 | 第11-18页 |
| ·聚类定义及应用 | 第11页 |
| ·聚类主要方法 | 第11-13页 |
| ·分层聚类法 | 第11-12页 |
| ·分割聚类法 | 第12页 |
| ·基于密度的方法 | 第12页 |
| ·基于网格的方法 | 第12-13页 |
| ·基于模型的方法 | 第13页 |
| ·基于模糊的方法(fuzzy clustering) | 第13页 |
| ·聚类相似性度量 | 第13-15页 |
| ·距离函数 | 第13-14页 |
| ·相似系数函数 | 第14-15页 |
| ·聚类有效性 | 第15-17页 |
| ·内在标准 | 第15-16页 |
| ·外在标准 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第3章 文本聚类关键技术 | 第18-29页 |
| ·分词 | 第18-19页 |
| ·分词含义 | 第18页 |
| ·分词方法 | 第18-19页 |
| ·数据清洗(停用词处理) | 第19-21页 |
| ·介绍 | 第19页 |
| ·停用词选取方法 | 第19-21页 |
| ·特征选取 | 第21-22页 |
| ·介绍 | 第21页 |
| ·特征词选取方法 | 第21-22页 |
| ·文本表示 | 第22-25页 |
| ·向量空间模型VSM | 第22-23页 |
| ·潜在语义分析LSA | 第23-25页 |
| ·文本聚类算法 | 第25-27页 |
| ·层次凝聚法 | 第25页 |
| ·平面划分法 | 第25页 |
| ·K最近邻参照聚类算法 | 第25-26页 |
| ·简单贝叶斯聚类算法 | 第26-27页 |
| ·神经网络聚类算法 | 第27页 |
| ·文本聚类算法好坏的判断标准 | 第27页 |
| ·文本聚类有效性 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第4章 自组织特征映射神经网络SOM | 第29-34页 |
| ·SOM简介 | 第29页 |
| ·SOM工作原理 | 第29-31页 |
| ·经典SOM算法 | 第31-32页 |
| ·SOM网络性能度量 | 第32页 |
| ·SOM特点及应用 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第5章 核SOM算法(Kernel-SOM) | 第34-39页 |
| ·核方法原理 | 第34页 |
| ·核函数 | 第34-35页 |
| ·核方法特点 | 第35页 |
| ·核SOM算法介绍 | 第35-36页 |
| ·核SOM算法推导 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第6章 SOM算法和核SOM算法在文本聚类中的实验讨论 | 第39-49页 |
| ·文本预处理 | 第39-41页 |
| ·停用词表构造 | 第39页 |
| ·词频信息统计 | 第39页 |
| ·特征词选择 | 第39-41页 |
| ·文档向量化 | 第41页 |
| ·SOM算法和核SOM算法的具体实现步骤 | 第41-43页 |
| ·SOM算法步骤 | 第41-42页 |
| ·核SOM算法步骤 | 第42-43页 |
| ·实验讨论 | 第43-48页 |
| ·实验说明 | 第43-44页 |
| ·不同文本向量表示法的实验对比 | 第44-45页 |
| ·SOM与核SOM算法的鲁棒性实验 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第7章 SOM与K均值相结合的两阶段文本聚类 | 第49-56页 |
| ·两阶段聚类方法的介绍 | 第49-50页 |
| ·本文的两阶段聚类流程 | 第50-51页 |
| ·实验讨论 | 第51-55页 |
| ·实验说明 | 第51-52页 |
| ·实验步骤 | 第52-54页 |
| ·实验结果分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第8章 结论与展望 | 第56-57页 |
| ·本文工作总结 | 第56页 |
| ·本文不足及改进 | 第56页 |
| ·工作展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |