投影寻踪模型在文本聚类算法中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-21页 |
| ·文本挖掘概述 | 第8-9页 |
| ·文本聚类算法及研究现状 | 第9-19页 |
| ·层次方法 | 第9-10页 |
| ·划分方法 | 第10-15页 |
| ·E-means算法 | 第10-11页 |
| ·K-medoids算法 | 第11-12页 |
| ·R-means算法 | 第12-13页 |
| ·BK-means算法 | 第13页 |
| ·CFK-means算法 | 第13-15页 |
| ·基于密度方法 | 第15-17页 |
| ·DBTC算法 | 第15-17页 |
| ·基于模型的方法 | 第17-19页 |
| ·自组织神经网络法 | 第17-18页 |
| ·统计方法 | 第18-19页 |
| ·本文主要研究内容及创新点 | 第19-21页 |
| 第二章 文本聚类相关问题与技术 | 第21-32页 |
| ·文本的预处理 | 第21-23页 |
| ·中文文本分词 | 第21-22页 |
| ·特征词筛选 | 第22-23页 |
| ·文本特征表示 | 第23-26页 |
| ·文本特征的降维 | 第26-29页 |
| ·主成分分析法 | 第26-28页 |
| ·隐含语义索引法 | 第28-29页 |
| ·文本聚类中相似函数选取 | 第29-30页 |
| ·模式的理解和可视化显示 | 第30-32页 |
| 第三章 基于遗传算法的投影寻踪文本特征降维模型 | 第32-49页 |
| ·投影寻踪的发展及研究内容 | 第32-34页 |
| ·投影寻踪聚类分析 | 第33页 |
| ·投影寻踪回归 | 第33页 |
| ·投影寻踪学习网络 | 第33-34页 |
| ·投影寻踪模型 | 第34-39页 |
| ·线性投影 | 第34页 |
| ·投影指标 | 第34-38页 |
| ·密度型投影指标 | 第35-38页 |
| ·非密度型投影指标 | 第38页 |
| ·最佳投影方向 | 第38页 |
| ·投影寻踪聚类算法步骤 | 第38-39页 |
| ·遗传算法及优化策略 | 第39-42页 |
| ·遗传算法的基本思想 | 第40-41页 |
| ·遗传算法的特点 | 第41-42页 |
| ·投影寻踪文本特征降维模型 | 第42-49页 |
| ·二维投影寻踪文本特征降维模型 | 第42-46页 |
| ·三维投影寻踪文本特征降维模型 | 第46-49页 |
| 第四章 投影寻踪模型在文本聚类中运用 | 第49-67页 |
| ·二维投影寻踪文本特征降维算法的实现 | 第49-54页 |
| ·遗传算法编码 | 第49-51页 |
| ·遗传算法选择、交叉和变异操作 | 第51-53页 |
| ·算法步骤 | 第53-54页 |
| ·三维投影寻踪文本特征降维算法的实现 | 第54-57页 |
| ·遗传算法编码 | 第55页 |
| ·遗传算法选择、交叉和变异操作 | 第55-56页 |
| ·算法步骤 | 第56-57页 |
| ·算法性能分析 | 第57-59页 |
| ·算法的时间复杂度 | 第57-58页 |
| ·算法的空间复杂度 | 第58-59页 |
| ·低维空间下的文本聚类算法实现 | 第59页 |
| ·实验过程与结果 | 第59-67页 |
| ·实验文本数据 | 第59页 |
| ·词频统计 | 第59-61页 |
| ·文本聚类的可视化结果 | 第61-65页 |
| ·文本聚类实验结果及分析 | 第65-67页 |
| 第五章 总结与展望 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士期间发表论文和参加科研情况 | 第74页 |
| 一、发表的论文 | 第74页 |
| 二、参加的科研项目 | 第74页 |
