基于近邻传播的文本数据流聚类算法及其应用研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 论文研究背景和意义 | 第14-16页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 数据流聚类算法研究现状 | 第16-18页 |
| 1.2.2 话题检测研究现状 | 第18-20页 |
| 1.3 论文研究内容与方法 | 第20-21页 |
| 1.4 论文章节安排 | 第21-23页 |
| 第二章 数据流聚类和文本挖掘基本理论 | 第23-34页 |
| 2.1 聚类基础理论 | 第23-27页 |
| 2.1.1 聚类分析定义 | 第23页 |
| 2.1.2 聚类分析的数据基础 | 第23-24页 |
| 2.1.3 相似度计算方法 | 第24页 |
| 2.1.4 数据挖掘对聚类分析的要求 | 第24-25页 |
| 2.1.5 聚类算法主要类别 | 第25-27页 |
| 2.2 数据流聚类算法 | 第27-28页 |
| 2.2.1 数据流的概念与特征 | 第27页 |
| 2.2.2 数据流聚类特点 | 第27-28页 |
| 2.2.3 数据流计算模型 | 第28页 |
| 2.3 文本数据流聚类算法 | 第28-33页 |
| 2.3.1 文本对象特征表示方法 | 第28-31页 |
| 2.3.2 常用文本数据流聚类算法 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 近邻传播算法基本原理及其扩展 | 第34-39页 |
| 3.1 AP聚类算法简介 | 第34-36页 |
| 3.1.1 AP算法相关定义 | 第34-35页 |
| 3.1.2 AP算法步骤 | 第35-36页 |
| 3.1.3 AP算法分析 | 第36页 |
| 3.2 加权的AP算法 | 第36-37页 |
| 3.3 分级加权的AP算法 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 在线近邻传播文本数据流聚类算法 | 第39-53页 |
| 4.1 OAP-s算法 | 第39-44页 |
| 4.1.1 OAP-s算法基本思想 | 第39-41页 |
| 4.1.2 OAP-s算法步骤 | 第41-44页 |
| 4.1.3 OAP-s算法分析 | 第44页 |
| 4.2 OWAP-s算法 | 第44-47页 |
| 4.2.1 OWAP-s算法基本思想 | 第44-45页 |
| 4.2.2 OWAP-s算法步骤 | 第45-46页 |
| 4.2.3 OWAP-s算法分析 | 第46-47页 |
| 4.3 实验验证 | 第47-52页 |
| 4.3.1 评价指标 | 第47页 |
| 4.3.2 实验环境 | 第47页 |
| 4.3.3 实验结果及分析 | 第47-48页 |
| 4.3.4 算法性能分析 | 第48-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 基于OWAP-s算法的股票事件检测 | 第53-59页 |
| 5.1 事件检测流程 | 第53页 |
| 5.2 数据抓取方法 | 第53-56页 |
| 5.2.1 网络爬虫原理 | 第53-54页 |
| 5.2.2 R语言概述 | 第54-56页 |
| 5.3 实验验证 | 第56-58页 |
| 5.3.1 实验环境及工具 | 第56页 |
| 5.3.2 实验结果及分析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第65页 |
