| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 课题研究现状 | 第9-10页 |
| 1.3 本文研究内容 | 第10-11页 |
| 1.4 论文结构 | 第11-12页 |
| 第二章 密度峰聚类及相关理论基础 | 第12-16页 |
| 2.1 密度峰聚类算法 | 第12-14页 |
| 2.1.1 引言 | 第12页 |
| 2.1.2 样本密度计算 | 第12-13页 |
| 2.1.3 决策图 | 第13-14页 |
| 2.1.4 样本分配机制 | 第14页 |
| 2.1.5 算法步骤描述与分析 | 第14页 |
| 2.2 聚类有效性评价 | 第14-16页 |
| 第三章 K近邻相似度优化的密度峰聚类 | 第16-27页 |
| 3.1 引言 | 第16-17页 |
| 3.2 算法思想 | 第17页 |
| 3.3 算法步骤 | 第17-19页 |
| 3.4 算法时间复杂度分析 | 第19页 |
| 3.5 实验结果与分析 | 第19-26页 |
| 3.5.1 人工数据集 | 第19-24页 |
| 3.5.2 真实数据集 | 第24-25页 |
| 3.5.3 算法运行效率分析 | 第25-26页 |
| 3.6 本章小结 | 第26-27页 |
| 第四章 快速特征映射优化的流形密度峰聚类 | 第27-41页 |
| 4.1 引言 | 第27页 |
| 4.2 流形距离以及其他距离计算方法 | 第27-28页 |
| 4.3 快速特征映射的流形距离 | 第28-29页 |
| 4.3.1 特征点的查找 | 第28页 |
| 4.3.2 无向特征图的构造 | 第28-29页 |
| 4.3.3 快速特征映射的流形距离的计算 | 第29页 |
| 4.4 快速特征映射的流形密度峰聚类 | 第29-32页 |
| 4.4.1 算法思想 | 第30页 |
| 4.4.2 算法步骤描述 | 第30-32页 |
| 4.4.3 算法时间复杂度 | 第32页 |
| 4.5 实验与分析 | 第32-39页 |
| 4.5.1 人工数据集 | 第32-37页 |
| 4.5.2 真实数据集 | 第37-38页 |
| 4.5.3 算法运行效率分析 | 第38-39页 |
| 4.6 MDPC算法与DPCKS算法比较 | 第39-40页 |
| 4.7 本章小结 | 第40-41页 |
| 第五章 DPCKS算法和MDPC算法在微博文本分类中的应用 | 第41-50页 |
| 5.1 引言 | 第41页 |
| 5.2 文本预处理 | 第41-47页 |
| 5.2.1 样本筛选方法 | 第41-45页 |
| 5.2.2 中文分词以及去停用词 | 第45页 |
| 5.2.3 文本特征选择 | 第45-47页 |
| 5.2.4 TF-IDF方法计算权重 | 第47页 |
| 5.3 微博文本聚类步骤 | 第47-48页 |
| 5.4 实验结果与分析 | 第48-49页 |
| 5.4.1 数据来源 | 第48页 |
| 5.4.2 实验环境 | 第48-49页 |
| 5.4.3 实验结果及分析 | 第49页 |
| 5.5 本章小结 | 第49-50页 |
| 第六章 主要结论与展望 | 第50-52页 |
| 6.1 主要结论 | 第50页 |
| 6.2 展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录:作者在攻读硕士学位期间发表的论文 | 第57页 |