| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题研究背景及意义 | 第8-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·论文主要研究内容 | 第11页 |
| ·论文组织结构 | 第11-13页 |
| 第二章 Web文本聚类技术 | 第13-22页 |
| ·文本聚类过程 | 第13页 |
| ·文本表示模型 | 第13-15页 |
| ·向量空间模型 | 第14-15页 |
| ·其他模型 | 第15页 |
| ·文本相似度计算 | 第15-17页 |
| ·文本对象之间的相似度度量 | 第16页 |
| ·文档集合间的相似度度量 | 第16-17页 |
| ·文本聚类算法 | 第17-20页 |
| ·划分方法 | 第17页 |
| ·层次方法 | 第17-18页 |
| ·基于密度方法 | 第18-19页 |
| ·基于网格方法 | 第19页 |
| ·基于模型方法 | 第19-20页 |
| ·基于计算智能方法 | 第20页 |
| ·现阶段聚类分析研究热点 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 改进的混合蛙跳算法 | 第22-40页 |
| ·混合蛙跳算法的理论基础 | 第22-25页 |
| ·模因算法 | 第22-24页 |
| ·粒子群算法 | 第24-25页 |
| ·混合蛙跳算法 | 第25-31页 |
| ·混合蛙跳算法的基本概念 | 第25-26页 |
| ·混合蛙跳算法的基本原理 | 第26页 |
| ·混合蛙跳算法的数学模型 | 第26-27页 |
| ·混合蛙跳算法的流程描述 | 第27-28页 |
| ·混合蛙跳算法的参数分析 | 第28-31页 |
| ·混合蛙跳算法特点及研究现状 | 第31-33页 |
| ·PSO 与 SFLA 比较 | 第31页 |
| ·混合蛙跳算法特点 | 第31-32页 |
| ·相关研究现状 | 第32-33页 |
| ·混合蛙跳算法的改进 | 第33-37页 |
| ·种群初始化的优化 | 第34-35页 |
| ·新的局部搜索策略 | 第35-36页 |
| ·生成新青蛙个体时的优化 | 第36-37页 |
| ·改进的混合蛙跳算法设计 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 改进的 SFLA 和 K 均值结合的聚类算法 | 第40-49页 |
| ·K-means 算法 | 第40-42页 |
| ·K-means 算法简介 | 第40-41页 |
| ·K-means 面临问题和解决思路 | 第41-42页 |
| ·改进的混合蛙跳和 K 均值结合的聚类算法 | 第42-44页 |
| ·聚类算法的数学描述 | 第42页 |
| ·编码与适应度选择 | 第42-43页 |
| ·K 均值算法的操作时机 | 第43页 |
| ·基于改进的 SFLA 和 K 均值结合的算法描述 | 第43-44页 |
| ·实验与分析 | 第44-48页 |
| ·聚类性能评价指标 | 第44-45页 |
| ·用 UCI 数据集的实验结果 | 第45-47页 |
| ·用二维随机数据的实验结果 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 改进的 SFLA 和 FCM 结合的 Web 文本聚类 | 第49-57页 |
| ·FCM 算法 | 第49-52页 |
| ·FCM 算法基本原理及步骤 | 第49-51页 |
| ·FCM 和 K-means 算法关系 | 第51-52页 |
| ·FCM 算法特点分析 | 第52页 |
| ·改进的 SFLA 和 FCM 结合的聚类算法 | 第52-54页 |
| ·FCM 算法文本聚类优势 | 第52-53页 |
| ·编码与适应度选择 | 第53页 |
| ·文本归类方法 | 第53页 |
| ·基于改进的 SFLA 和 FCM 结合的聚类算法流程 | 第53-54页 |
| ·实验与分析 | 第54-56页 |
| ·测试数据集 | 第54页 |
| ·实验结果分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·全文总结 | 第57页 |
| ·工作展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64页 |
