| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·研究内容及安排 | 第12-14页 |
| 第二章 文本聚类算法及分析 | 第14-27页 |
| ·文本挖掘相关知识 | 第14-18页 |
| ·文本挖掘的定义 | 第14页 |
| ·文本挖掘的处理过程 | 第14-15页 |
| ·文本挖掘的特点 | 第15-16页 |
| ·文本挖掘常用技术 | 第16页 |
| ·文本挖掘中面临的课题 | 第16-18页 |
| ·文本聚类算法 | 第18-22页 |
| ·基于划分的算法 | 第18页 |
| ·基于层次的算法 | 第18-19页 |
| ·基于密度的算法 | 第19-20页 |
| ·基于网格的算法 | 第20-21页 |
| ·基于模型的算法 | 第21-22页 |
| ·基于模糊的算法 | 第22页 |
| ·文本聚类算法的比较 | 第22-24页 |
| ·文本聚类效果评价指标 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于单词相似度的文本聚类算法 | 第27-50页 |
| ·文本预处理 | 第27-40页 |
| ·分词 | 第27-31页 |
| ·停用词 | 第31-32页 |
| ·特征选择 | 第32-37页 |
| ·文本表示模型 | 第37-40页 |
| ·基于单词类的向量空间模型 | 第40-43页 |
| ·单词相似度 | 第41-42页 |
| ·单词类权重计算 | 第42-43页 |
| ·基于单词相似度的文本聚类算法 | 第43-49页 |
| ·文本相似度 | 第43-46页 |
| ·算法流程 | 第46-47页 |
| ·实验结果及分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 基于文本平均相似度的K-Means算法 | 第50-66页 |
| ·K-Means算法的研究 | 第50-55页 |
| ·K-Means算法介绍 | 第50-52页 |
| ·K-Means算法的特点 | 第52页 |
| ·K-Means算法存在的问题 | 第52-55页 |
| ·K-Means对初始聚类中心的依赖性分析及现有改进 | 第55-60页 |
| ·依赖性分析 | 第55-57页 |
| ·选择初值的现有方法 | 第57-60页 |
| ·基于文本平均相似度的K-Means算法 | 第60-65页 |
| ·算法思想 | 第61-62页 |
| ·算法流程 | 第62-63页 |
| ·实验结果及分析 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 文本聚类在公安情报系统中的应用 | 第66-76页 |
| ·公安情报系统简介 | 第66-68页 |
| ·舆情采集及处理 | 第68-70页 |
| ·舆情采集 | 第69页 |
| ·舆情处理 | 第69-70页 |
| ·文本聚类子系统 | 第70-75页 |
| ·文本聚类子系统的设计 | 第70-72页 |
| ·文本聚类子系统的实现 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| ·总结 | 第76-77页 |
| ·展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-83页 |
| 攻读硕士学位期间发表的学术论文 | 第83页 |