| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 课题背景及选题意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-10页 |
| 1.3 主要研究内容 | 第10-11页 |
| 1.4 论文组织结构 | 第11页 |
| 1.5 本章小结 | 第11-12页 |
| 第二章 子空间聚类算法 | 第12-18页 |
| 2.1 硬子空间聚类算法 | 第12-14页 |
| 2.1.1 自底向上的搜索策略 | 第12-13页 |
| 2.1.2 自顶向下的搜索策略 | 第13-14页 |
| 2.2 软子空间聚类算法 | 第14-17页 |
| 2.2.1 模糊加权软子空间聚类 | 第15-16页 |
| 2.2.2 熵加权软子空间聚类 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第三章 改进的SUBCLU硬子空间聚类算法 | 第18-33页 |
| 3.1 引言 | 第18-19页 |
| 3.2 密度连接的子空间聚类 | 第19-24页 |
| 3.2.1 基本概念 | 第19页 |
| 3.2.2 类在子空间的相关定义 | 第19-20页 |
| 3.2.3 密度连接集合的单调闭合性 | 第20-22页 |
| 3.2.4 带回溯的深度优先搜索策略 | 第22-23页 |
| 3.2.5 子空间中核心点的约束 | 第23-24页 |
| 3.3 BDFS-SUBCLU算法 | 第24-27页 |
| 3.3.1 产生k+1 维候选子空间伪代码 | 第24-25页 |
| 3.3.2 BDFS-SUBCLU算法伪代码 | 第25-26页 |
| 3.3.3 BDFS-SUBCLU算法的描述 | 第26-27页 |
| 3.4 实验结果与分析 | 第27-32页 |
| 3.4.1 仿真数据实验与分析 | 第27-29页 |
| 3.4.2 真实数据实验与分析 | 第29-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 k-means型软子空间聚类算法的改进研究 | 第33-43页 |
| 4.1 引言 | 第33-34页 |
| 4.2 k-means型软子空间聚类算法的基本概念 | 第34-36页 |
| 4.3 改进的k-means型软子空间聚类算法 | 第36-38页 |
| 4.3.1 反馈验证思想 | 第36页 |
| 4.3.2 对比组的增设 | 第36-37页 |
| 4.3.3 改进后的k-means型软子空间聚类算法流程 | 第37-38页 |
| 4.4 实验与分析 | 第38-42页 |
| 4.4.1 实验数据集 | 第38页 |
| 4.4.2 聚类性能评价指标 | 第38-39页 |
| 4.4.3 实验结果分析 | 第39-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 软子空间聚类算法在文本聚类分析中的应用 | 第43-51页 |
| 5.1 引言 | 第43页 |
| 5.2 文本聚类的流程 | 第43页 |
| 5.3 文本信息的预处理 | 第43-45页 |
| 5.3.1 分词 | 第43-44页 |
| 5.3.2 特征选择 | 第44-45页 |
| 5.4 文本特征表示 | 第45-46页 |
| 5.4.1 特征表示模型 | 第45页 |
| 5.4.2 计算tfidf的程序伪代码 | 第45-46页 |
| 5.5 软子空间聚类算法对文本聚类分析的主要步骤 | 第46-48页 |
| 5.6 实验与分析 | 第48-50页 |
| 5.6.1 实验数据集 | 第48页 |
| 5.6.2 实验结果分析 | 第48-50页 |
| 5.7 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-52页 |
| 6.1 工作总结 | 第51页 |
| 6.2 展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第56页 |
