| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景与意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文研究内容 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-13页 |
| 第二章 文本挖掘综述 | 第13-22页 |
| 2.1 文本挖掘定义 | 第13页 |
| 2.2 文本挖掘任务 | 第13-14页 |
| 2.3 文本表示模型 | 第14-15页 |
| 2.3.1 VSM模型 | 第14页 |
| 2.3.2 布尔模型 | 第14-15页 |
| 2.3.3 概率模型 | 第15页 |
| 2.4 文本相似度计算方法 | 第15-17页 |
| 2.4.1 基于集合模型相似度计算 | 第15-16页 |
| 2.4.2 基于向量的相似度计算 | 第16-17页 |
| 2.4.3 广义向量空间模型 | 第17页 |
| 2.5 文本向量降维技术 | 第17-20页 |
| 2.5.1 特征选择 | 第18页 |
| 2.5.2 特征抽取 | 第18-20页 |
| 2.6 文本挖掘面临的新课题 | 第20-21页 |
| 2.7 本章小结 | 第21-22页 |
| 第三章 聚类分析之快速密度峰值搜索算法及其改进 | 第22-38页 |
| 3.1 聚类分析原理 | 第22-25页 |
| 3.1.1 聚类分析定义 | 第22页 |
| 3.1.2 聚类分析的数据类型 | 第22-23页 |
| 3.1.3 距离和相似系数 | 第23-25页 |
| 3.2 聚类分析算法分类 | 第25-27页 |
| 3.2.1 基于划分的方法 | 第25-26页 |
| 3.2.2 基于层次的方法 | 第26页 |
| 3.2.3 基于密度的方法 | 第26页 |
| 3.2.4 基于网格的方法 | 第26-27页 |
| 3.2.5 基于模型的方法 | 第27页 |
| 3.3 聚类算法性能的评估 | 第27页 |
| 3.4 快速密度峰值搜索算法及其改进 | 第27-37页 |
| 3.4.1 快速密度峰值搜索算法(CFSFDP) | 第28-32页 |
| 3.4.2 改进的快速密度峰值搜索算法(PE-CFSFDP) | 第32-35页 |
| 3.4.3 实验结果分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 一种融合k-means和PE-CFSFDP算法的聚类方法 | 第38-46页 |
| 4.1 K-means算法 | 第38-39页 |
| 4.1.1 算法思想 | 第38-39页 |
| 4.1.2 算法的缺陷分析 | 第39页 |
| 4.2 K-means算法与PE-CFSFDP算法的融合 | 第39-41页 |
| 4.2.1 使用熵值法确定各数据对象间赋权欧氏距离 | 第39-40页 |
| 4.2.2 K-CFSFDP算法描述 | 第40-41页 |
| 4.3 实验分析 | 第41-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章K-CFSFDP算法在文本聚类挖掘中的应用 | 第46-57页 |
| 5.1 文本聚类的过程 | 第46-47页 |
| 5.2 相关技术 | 第47-49页 |
| 5.2.1 中文分词器 | 第47-48页 |
| 5.2.2 去除停用词 | 第48页 |
| 5.2.3 文本聚类实验数据来源 | 第48-49页 |
| 5.3 文本聚类具体实现 | 第49-56页 |
| 5.3.1 开发环境 | 第49页 |
| 5.3.2 系统的总控件模块设计 | 第49-50页 |
| 5.3.3 模块的详细设计 | 第50-54页 |
| 5.3.4 运行结果分析 | 第54-56页 |
| 5.4 本章小节 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第63页 |
